Google이 2026년 11월 5일 Gemini Omni 1.2 Flash를 정식 출시했습니다. Gemini API의 안정 버전 모델 ID는 gemini-omni-1.2-flash입니다. 오디오가 포함된 영상을 생성하고 대화로 수정할 수 있으며, 생성·편집 길이가 최대 15초로 늘고 영상 출력 요금도 낮아졌습니다. 일반 챗봇의 텍스트 응답 속도를 설명하는 글과는 구분해서 봐야 하는 영상 모델입니다.
이 글은 11월 6일 공식 발표, 모델 사양, 개발 가이드를 확인해 작성했습니다. AniKuku에서 유료 생성을 실행하거나 Google이 공개한 화질·일관성 개선을 독립적으로 검증하지는 않았습니다. 비용 예시는 공개 단가로 계산한 값입니다.
API 이용 조건부터 확인하세요
Gemini Developer API에서 1.2는 정식 제공되지만, 유료 등급에서만 쓸 수 있고 API 무료 등급은 없습니다. AI Studio로 프로토타입을 만든다고 영상 호출이 무료가 되는 것은 아닙니다. Flow, Vids, Gemini 앱, Google Cloud는 출시 일정과 요금제, 지역 조건이 서로 다릅니다. 제품 시연에 나온 기능이 현재 API 입력으로도 제공되는지 따로 확인해야 합니다.
지원 지역에는 한국·일본·대만이 포함되어 있고 중국 본토와 홍콩은 올라와 있지 않습니다. 프로젝트의 실제 할당량도 확인하세요. 정식 출시가 모든 계정에서 모든 작업을 즉시 이용할 수 있다는 뜻은 아닙니다.
15초 생성과 영상 연장은 다른 작업입니다
| Gemini API 작업 | 문서에 명시된 범위 |
|---|---|
| 새 영상 생성 | 3~15초, 1초 단위 지정. 기본값은 10초 |
| 첫 프레임·마지막 프레임 보간 | 3~10초. 두 프레임과 함께 10초를 넘기면 오류 |
| 기존 영상 편집 | 입력 영상 최대 15초. Interactions API에서 대화를 이어 수정 |
| 영상 연장 | 한 번에 3~10초 추가, 완성된 전체 길이는 최대 30초 |
| 연장에 사용하는 문맥 | 입력 영상의 마지막 10초. 뒤에 이어 붙이는 방식만 지원 |
출력은 24 fps입니다. 기본 해상도는 720p이며 360p도 선택할 수 있습니다. 1080p와 4K는 업스케일 출력으로, 네이티브 4K 생성과는 다릅니다. 화면비는 가로 16:9와 세로 9:16을 지원합니다.
참조 이미지는 모든 길이에서 최대 6장입니다. 새로 생성할 영상이 11~15초라면 최대 3초짜리 참조 영상 한 개를, 3~10초라면 각각 최대 3초짜리 참조 영상 세 개까지 넣을 수 있습니다. 참조 영상의 오디오는 무시되며, 영상 참조는 새 영상 생성에만 쓸 수 있습니다. 편집·연장에는 참조 이미지를 사용할 수 있습니다.
현재 API는 오디오 파일·오디오 참조 업로드와 음성 편집을 지원하지 않습니다. 발표 자료의 오디오 조건 시연을 API 입력 지원으로 해석하면 안 됩니다. 또 EEA·스위스·영국에서는 사용자가 업로드한 영상의 편집·연장을 제공하지 않지만, 모델이 생성한 영상을 편집·연장하는 것은 지원합니다.
초당 약 0.07달러는 전체 요청 비용일까요?
Standard API 요금표의 단가는 영상 출력 100만 토큰당 12달러, 텍스트·이미지·영상 입력 1.50달러, 사고 토큰을 포함한 텍스트 출력 9달러입니다. 모두 미 달러 기준 API 요금이며 Gemini 앱 구독료나 크레딧과는 별개입니다.
Google은 720p 영상 1초를 5,792개 토큰으로 계산합니다.
5,792 × 12달러 ÷ 1,000,000 = 출력 1초당 0.069504달러
| 720p 출력 길이 | 영상 출력분만 계산한 금액 |
|---|---|
| 5초 | 0.34752달러 |
| 10초 | 0.69504달러 |
| 15초 | 1.04256달러 |
이는 공개 단가를 적용한 계산 예시이며 실측 청구액이나 총액 견적이 아닙니다. 입력·기타 출력 토큰, 후속 편집, 재시도 비용을 따로 잡아야 합니다. 문서의 토큰 수로 환산하면 360p는 약 0.023달러/초, 업스케일 1080p는 약 0.104달러/초, 4K는 약 0.209달러/초입니다. 일괄 생성 전에 실제 사용량과 당시 요금표를 확인하세요.
가령 5초짜리 720p 영상을 100개 생성하면 영상 출력분은 34.752달러입니다. 이 중 50개를 채택했다면, 채택한 영상 하나에 배분되는 해당 비용은 0.69504달러가 됩니다. 채택률 50%는 설명을 위한 가정으로, 모델 실험 결과가 아닙니다. 편집 인건비와 다른 과금 항목도 제외한 값입니다.
짧은 컷을 만든 뒤 한 가지씩 수정하기
공식 엔드포인트는 POST https://generativelanguage.googleapis.com/v1beta/interactions입니다. 아래 요청 본문은 문서 형식에 맞춘 미실행 연동 예시이며, 이용 조건을 충족하는 본인의 유료 프로젝트와 인증이 필요합니다. 가이드에서 영어를 지원·평가한 언어로 명시하므로 지시문은 영어로 작성했습니다.
{
"model": "gemini-omni-1.2-flash",
"input": "One continuous shot. An adult courier in a rust-red jacket holds a blue parcel at a rainy station. The courier looks toward the arriving train and stays still. Soft rain and distant station ambience. No cuts.",
"response_format": {
"type": "video",
"duration": "5s",
"resolution": "720p",
"aspect_ratio": "16:9"
}
}
비 오는 역에서 적갈색 재킷을 입은 성인 배달원이 파란 소포를 들고 있는 컷입니다. 결과를 먼저 확인한 뒤, 반환된 interaction ID를 다음 요청의 previous_interaction_id에 넣어 대화를 이어갑니다. 인물·소포·카메라 위치는 유지하고 날씨만 맑게 바꾸는 식으로 수정 범위를 좁혀 보세요. 해당 ID로 후속 편집을 하려면 store=false로 설정하지 않아야 합니다. 큰 영상은 가이드의 URI 전달 절차를 따르세요. 모든 결과가 인라인 base64로 반환된다고 가정해서는 안 됩니다.
참조 이미지의 역할은 자연어로 설명하고, 폐기된 <FIRST_FRAME> 같은 제어 태그를 넣지 마세요. Google은 자연어로 작업을 선택하게 하는 방법을 먼저 권장하며, 의도와 다를 때 video_config.task를 쓰도록 안내합니다. 작업을 명시하면 입력 제약이 더 엄격해집니다.
컷의 시작·중간·끝에서 얼굴, 의상, 손과 소품의 접촉, 카메라 연속성, 립싱크를 확인하고 설정·사용량·탈락 이유를 기록하세요. 한 번에 바꾸는 조건은 하나로 제한하는 편이 원인을 찾기 쉽습니다. 한국어 대사와 자막은 별도 검증이 필요합니다. 가이드는 영어 외 언어가 아직 평가되지 않았다고 밝히고 있으며, 이 글의 다섯 언어 버전이 모델의 다국어 품질을 보증하지는 않습니다.
컷을 준비하는 과정은 대본을 스토리보드로 옮기는 워크플로에서, 다른 과금 방식은 Seedance API 비용 가이드에서 볼 수 있습니다. Seedance 요금을 Omni에 적용해서는 안 됩니다.
Omni 1.1은 12월 3일부터 자동 전환됩니다
공식 변경 기록에 따르면 4주간의 전환 기간 후, 2026년 12월 3일부터 gemini-omni-1.1-flash 요청이 1.2로 자동 라우팅되고 1.2 요금이 적용됩니다. 그 전에 새 ID를 명시해 저장해 둔 소재·프롬프트로 작업 동작, 참조 처리, 대사, 전달 방식, 실제 사용량을 점검하는 편이 좋습니다. 자동 전환이 결과의 동일성을 보장하지는 않습니다. 예전 gemini-omni-flash-preview는 이미 종료되었습니다.
전체 선택 기준은 AI 영상 모델 비교를 참고하세요. 이 글은 Google API 설명이며 AniKuku 연동 발표가 아닙니다. 표지는 직접 제작한 콘셉트 일러스트로, Omni 생성 결과물이 아닙니다.