[태그:] 제미나이

폰 카메라를 물건에 갖다 대면 AI가 깨알 같은 글씨와 주변 모습을 실시간 음성으로 풀어 줍니다. 구글이 제미나이 라이브(Gemini Live)에 넣은 ‘가이드 비전(Guided Vision)’ 얘기인데요. 호환되는 안드로이드 기기를 대상으로 배포가 시작됐어요.

누구를 위한 기능인지는 분명합니다. 시각장애인과 저시력 사용자, 여기에 특정 상황에서 도움이 필요한 사람까지. 접근성 기능이에요. 애플이 아이폰과 비전 프로에 넣은 VoiceOver 라이브 인식(Live Recognition)과 성격이 같다는 게 더버지의 설명이고요.

카메라를 비추면 읽고, 찾고, 설명한다

쓰는 법 자체는 복잡할 게 없어요. 제미나이 라이브에서 카메라를 공유하면 끝. 그러면 AI가 화면에 잡힌 장면을 해석해서 소리로 알려 줍니다. 구글이 내세운 용도는 네 가지예요.

• 작은 글씨 읽기: 눈으로 읽기 힘든 작은 텍스트를 소리로 읽어 줌
• 주변 묘사: 카메라 앞에 무엇이 있는지 설명
• 물건 찾기·식별: 주변에서 특정 물건을 찾거나 그게 무엇인지 알려 줌
• 세부 묘사: 특정 물건의 디테일을 짚어서 설명

목록보다 눈에 들어오는 건 그다음 대목이에요. 질문 한 번에 답 한 번으로 끝나는 구조가 아니거든요. 제미나이가 찾아 준 물건을 두고 “유통기한도 읽어 줘”처럼 이어서 물으면 됩니다. 찾는 물건이 화면 밖에 있을 땐 제미나이가 소리로 카메라 방향을 알려 준다는 게 구글 설명인데요. 화면을 못 보는 사람한테는 ‘어디를 비춰야 하는지’부터가 문제니까, 이 방향 안내가 빠졌다면 물건 찾기는 반쪽짜리였을 겁니다.

제미나이 앱·톡백·설정 바로가기, 켜는 길은 세 가지

제미나이 앱이 유일한 입구는 아니에요. 안드로이드 스크린 리더인 구글 톡백(TalkBack) 안에서도 바로 열리고, 설정 앱에서 접근성 바로가기로 등록해 두는 방법도 있습니다.

표에서 조건이 숫자로 박힌 건 바로가기 하나뿐이에요. 안드로이드 9 이상. 톡백 쪽은 원문에 따로 조건이 적혀 있지 않고, 제미나이 앱은 ‘호환되는 기기’라는 말이 전부입니다. 순서로 보면 최근 픽셀 업데이트 때 먼저 예고됐고, 이번에 호환되는 안드로이드 기기로 배포가 시작된 거고요.

입구를 셋이나 둔 이유는 원문에 설명이 없어요. 짐작은 갑니다. 화면을 보지 않고 톡백으로 폰을 다루는 사용자한테 제미나이 앱을 따로 찾아 들어가라는 건 그 자체로 한 단계 더 넘어야 할 문턱이거든요. 톡백에서 바로 열리면 그 단계가 통째로 사라집니다. 시각장애인이 실제로 폰을 쓰는 방식을 고려한 설계로 보여요.

제미나이가 ‘눈’ 역할까지, 구글이 직접 그은 한계선

카메라로 보고 말로 설명해 주는 접근성 기능. 스마트폰 AI 경쟁에서 이제 빠지기 어려운 영역이 됐어요. 애플은 이미 아이폰과 비전 프로에 VoiceOver 라이브 인식을 넣어 뒀고, 구글은 자사 AI 비서 제미나이를 앞세워 같은 자리에 들어왔습니다.

구글 쪽 설계에서 읽히는 건 ‘대화’예요. 결과를 한 번 알려 주고 끝내는 방식이 아니라, 실시간 화면을 같이 보면서 묻고 답하게 돼 있거든요. 처음 답이 부족하면 질문을 이어 가며 필요한 정보까지 좁혀 가면 됩니다.

그런데 구글이 스스로 선을 그은 대목이 있습니다. “길 안내, 안전한 이동 안내, 장애물 감지”에는 가이드 비전을 믿지 말라는 것. 지팡이나 보행 보조기구 대신 쓰지도 말라고 당부했어요. 이유는 어렵지 않게 짐작됩니다. 유통기한을 잘못 읽으면 다시 물어보면 되는데, 걷는 중에 AI가 장면을 잘못 읽으면 곧장 안전사고거든요. 구글이 책임질 범위를 미리 좁혀 둔 것으로 보입니다.

돋보기 대신 카메라, 국내 안드로이드 사용자에게 달라지는 점

국내 스마트폰 시장은 안드로이드 비중이 높아요. 호환 기기에만 들어간다면 가이드 비전을 쓰게 될 사람이 꽤 많다는 얘기죠. 가장 직접적인 변화는 지금 톡백으로 폰을 쓰는 시각장애인 쪽입니다. 쓰던 환경을 벗어나지 않고 AI 설명을 바로 불러오게 되니까요.

더 넓은 층에 와닿을 건 ‘작은 글씨’ 쪽일 거예요. 노안이 온 부모 세대가 식품 포장의 유통기한이나 설명서 글씨를 확인할 때, 돋보기를 찾는 대신 폰 카메라를 대고 물어보는 그림. 다만 이건 원문의 유통기한 예시를 국내 생활에 옮겨 본 추측이라는 점은 감안해 주세요.

달라지지 않는 것도 하나 있어요. 이동입니다. 구글이 그 용도는 직접 빼 놓았으니, 횡단보도나 계단 앞에서 이 기능에 기대면 안 돼요. 가족 폰에 설정해 줄 일이 생기면 켜는 법만 알려 주지 말고 이 얘기도 같이 해 두는 편이 안전합니다.

확인된 것과 아직 불확실한 것

확인된 것

• 가이드 비전은 호환되는 안드로이드 기기의 제미나이 라이브에 배포되기 시작했다.
• 작은 글씨 읽기, 주변 묘사, 물건 찾기·식별, 세부 묘사를 실시간 음성으로 해 주고, 이어지는 질문에도 답한다.
• 찾는 물건이 화면 밖에 있으면 소리로 카메라 방향을 알려 준다.
• 제미나이 앱, 구글 톡백, 설정 앱 접근성 바로가기(안드로이드 9 이상)로 쓸 수 있다.
• 구글은 길 안내, 안전한 이동, 장애물 감지에 쓰는 것과 지팡이·보행 보조기구 대신 쓰는 것을 권하지 않는다.

아직 불확실한 것

• ‘호환 기기’가 정확히 어디까지인지, 제조사별로 지원되는지
• 한국어로 묻고 한국어 음성으로 답을 들을 수 있는지, 국내에는 언제 배포되는지. 구글의 가이드 비전 소개에는 지원 언어와 국가가 나와 있지 않다
• 유료 구독이 필요한지 등 이용 조건
• 인식이 얼마나 정확한지, 잘못 인식했을 때 어떻게 대응하는지

화면 밖으로 나온 AI 비서, 이동 안전은 아직 선 밖

가이드 비전은 화려한 쪽은 아니에요. 눈길 끄는 신기능이라기보다 생활에 바짝 붙어 있는 기능에 가깝죠. 그래도 방향은 읽힙니다. 글로 대화하던 AI 비서가 카메라로 세상을 보고, 본 걸 말로 설명해 주기 시작했다는 것.

애플과 구글이 같은 영역에서 맞붙었으니, 승부는 누가 더 정확하게, 더 적은 조작으로 정보를 전하느냐에서 갈릴 가능성이 높아요. 정작 그 정확도는 위 목록에 적었듯 아직 빈칸이라, 지금 단계에서 어느 쪽이 낫다고 말하기는 이릅니다. 이동 안전처럼 실수가 용납되지 않는 영역에는 아직 AI를 맡기지 않겠다는 것. 지금 구글이 밝힌 입장은 거기까지예요.

출처: The Verge

구글의 대화형 AI가 이제 얼굴을 보여주면서 말합니다. 제미나이 3.8 라이브 업데이트에 ‘라이브 아바타’라는 기능이 들어갔거든요. 모델과 대화를 나누면 화면 속 애니메이션 페르소나가 자기가 하는 말에 맞춰 입을 움직이고, 표정을 바꿔가며 실시간으로 답합니다. 그동안 목소리로만 응답하던 것과는 꽤 다른 모습이죠. 다만 지금 이용 대상은 제미나이 엔터프라이즈 고객뿐이에요.

말에 맞춰 입 모양·표정까지 실시간으로 따라간다

하는 일은 크게 세 가지입니다. 대화 중 말하는 내용에 맞춰 립싱크를 하고, 상황에 따라 다른 표정을 짓고, 말하는 동안 화면에 관련 정보를 띄우는 것. 텍스트 창이나 음성 파형이 있던 자리에 사람 형상의 화자가 들어서서, 답변과 자료를 한 화면에서 같이 보여주는 방식이에요.

구글이 제일 앞세운 건 다국어 처리인데요. 지원하는 97개 언어 사이를 오가면서도 “영상 충실도를 떨어뜨리거나 시각적 흔들림(visual drift)을 일으키지 않는다”는 게 구글 설명입니다. 공개된 시연 영상에선 아바타가 영어와 일본어를 번갈아 말하는데, 더버지는 두 언어 모두 입 모양 애니메이션이 발화 내용과 맞아떨어진다고 전했어요. 물론 구글이 직접 골라 공유한 영상이라는 점은 감안해야 합니다. 나머지 언어에서도 같은 품질이 나오는지는 이 영상만으로는 알 길이 없어요.

타이밍도 눈에 띕니다. 구글이 새 모델 제미나이 3.8 라이브를 공개한 지 약 일주일 만이에요. 구글은 이 모델을 “시각 입력을 거의 실시간으로 처리한다”고 소개했습니다. 모델을 내놓자마자 그 위에 기업용 기능부터 얹은 셈.

목소리 비서에서 ‘얼굴 있는 응답자’로

기업 고객에게 먼저 풀었다는 데서 구글이 노리는 용도는 어느 정도 짐작이 갑니다. 구글은 기본 아바타 라이브러리를 주면서 조직이 아바타를 직접 만드는 것도 허용했는데요. 브랜드 캐릭터나 안내 담당자처럼, 고객을 만나는 자리에 자기 회사만의 얼굴을 세우고 싶은 수요를 겨냥한 설계로 보여요. 정작 구글은 구체적인 활용 사례를 밝히지 않았습니다. 그러니 이 해석도 추정의 영역이고요.

기술적으로 어려운 대목은 동기화입니다. 음성과 입 모양 영상을 동시에 만들어내면서 대화 흐름이 끊기면 안 되고, 언어가 바뀌는 순간에도 얼굴이 어긋나거나 뭉개지면 안 되거든요. 구글이 ‘시각적 흔들림 없음’을 굳이 따로 강조한 것도 실시간 아바타의 품질이 이 지점에서 갈리기 때문이라고 보는 게 자연스럽습니다. 아쉬운 건 응답 지연 얘기가 원문에 전혀 없다는 점이에요. ‘실시간’이라는 말이 실제 대화에서 얼마나 실시간인지 판단하려면 그 숫자가 먼저 필요합니다.

위험도 함께 커집니다. 실시간으로 말하고 표정까지 짓는 합성 인물은 사칭이나 신원 도용에 악용될 여지가 있으니까요. 구글이 출력물에 SynthID 워터마크를 넣고 “신원을 존중하는” 안전장치를 함께 적용한다고 밝힌 건 이런 우려를 의식한 조치로 보입니다. 그 안전장치가 구체적으로 무엇을 어떻게 막는지는 설명이 없어서, 효과를 가늠하기엔 아직 이릅니다.

• 텍스트·음성 중심이던 대화형 AI에 눈에 보이는 화자가 붙었다.
• 여러 언어를 오가도 영상 품질이 유지된다는 점이 구글이 내세운 차별점.
• 자체 아바타 제작 허용은 기업 브랜딩 수요를 겨냥한 설계로 추정된다.

개인용 제미나이 앱엔 아직 없고, 한국어 지원도 미확인

라이브 아바타는 현재 제미나이 엔터프라이즈 고객 전용입니다. 스마트폰으로 제미나이 앱을 쓰는 개인 사용자라면 당장 이 기능을 만나기 어렵다는 얘기죠. 개인용으로 넓힐 계획이 있는지는 원문에 한 줄도 나오지 않아요.

한국어 지원 여부 역시 아직 모릅니다. 구글은 97개 언어를 지원한다고만 했지 구체적인 언어 목록은 원문에 없고, 시연 영상에 등장한 언어도 영어와 일본어가 전부예요. 지원 언어 수로 보면 한국어가 들어 있을 가능성은 있습니다. 그래도 추측은 추측일 뿐이고, 한국어 발음에 맞춘 입 모양이 얼마나 자연스러운지도 검증된 적이 없습니다.

국내에서 영향을 더 직접적으로 받을 쪽은 제미나이 엔터프라이즈를 쓰는 기업일 것 같은데요(추측). 외국인 응대가 많은 서비스라면 아바타 하나로 언어를 바꿔가며 안내하는 구성을 검토해볼 만합니다. 자체 아바타를 만들 생각이라면 먼저 정할 게 있어요. 실존 인물의 얼굴을 쓸지, 합성 영상이라는 사실을 이용자에게 어떻게 알릴지. 이 부분의 내부 기준부터 세워두는 게 먼저일 겁니다. 실존 인물 얼굴을 어디까지 허용하는지 구글이 아직 밝히지 않았다는 점을 생각하면 더더욱 그렇고요.

확인된 것과 아직 불확실한 것

확인된 것

• 제미나이 3.8 라이브 업데이트에 실시간 립싱크와 표정 변화를 지원하는 ‘라이브 아바타’가 포함됐다.
• 지원 언어는 97개이며, 영어·일본어 전환 시연 영상이 공개됐다.
• 아바타가 말하는 동안 화면에 정보를 띄울 수 있다.
• 현재 이용 대상은 제미나이 엔터프라이즈 고객으로 한정된다.
• 기본 아바타 라이브러리를 제공하고, 조직이 자체 아바타를 만드는 것도 허용한다.
• 출력물에는 SynthID 비가시 워터마크와 ‘신원 존중’ 안전장치가 적용된다.

아직 불확실한 것

• 97개 언어에 한국어가 포함되는지, 한국어 립싱크 품질은 어떤지
• 개인용 제미나이 앱으로 확대할지와 그 시점
• 요금 체계, 국내 출시 일정과 원화 가격
• ‘신원 존중’ 안전장치의 구체적 작동 방식과 실존 인물 얼굴 사용 제한 여부
• 실제 대화 환경에서의 응답 지연 수준

합성 얼굴을 가려낼 장치가 확산의 조건

라이브 아바타는 대화형 AI 경쟁의 무대가 모델 성능에서 인터페이스로 옮겨가고 있다는 신호입니다. 같은 답변이어도 얼굴과 표정이 붙으면 사용자가 느끼는 몰입감과 신뢰도가 달라지니까요. 모델 공개 일주일 만에 아바타 기능을 붙인 데에는, 실시간 시각 처리 능력을 눈에 보이는 형태로 증명하려는 의도도 섞여 있다고 읽힙니다.

조직이 아바타를 직접 만들게 한 선택엔 장점과 위험이 한데 묶여 있어요. 기업은 브랜드에 맞는 얼굴을 쓸 수 있지만, 합성 인물이 사람처럼 대화하는 장면이 늘어날수록 이를 가려낼 수단도 그만큼 중요해집니다. 남는 질문은 둘. SynthID가 실제 유통 환경에서 얼마나 안정적으로 검출되는지, 그리고 상대가 AI라는 사실을 이용자에게 어떻게 알릴지입니다. 이 기능이 기업 현장으로 퍼져나갈지도 이 질문들의 답에 달렸다고 봐요.

출처: The Verge

제미나이 API 가격표를 처음 열었을 때, ‘플래시’니 ‘프로’니 ‘나노’니 하는 이름들 보고 잠깐 멍해졌다. 구글 제미나이(Gemini) 시리즈는 이름이 자주 바뀌고 버전도 빠르게 올라가서, 실제로 뭐가 다른지 헷갈리는 경우가 많다. 제미나이 플래시가 정확히 뭔지, 프로 모델과는 어떤 기준으로 골라 써야 하는지 정리해봤다.

제미나이 라인업, 일단 체급부터 나눠보자

구글의 제미나이는 보통 세 가지 체급으로 나뉜다.

• 울트라/프로 — 가장 똑똑하지만 느리고 비싼 최상위 모델
• 플래시 — 속도와 비용, 성능의 균형을 맞춘 중간급 모델
• 플래시-라이트/나노 — 초경량, 초저가 모델. 온디바이스나 대량 처리용

구글은 이 라인업을 몇 달 간격으로 계속 업데이트한다. 최근에는 기존 플래시 모델보다 추론 단계를 더 많이 거치고, 도구 호출(tool calling)을 반복적으로 수행하도록 개선한 버전도 나왔다. 다만 이런 개선, 공짜가 아니다. 응답은 똑똑해지는 대신 토큰 사용량이 늘어나서 청구 비용도 같이 올라가는 트레이드오프가 따라붙는다.

플래시는 프로의 축소판이 아니다

플래시 모델은 프로 모델을 그냥 경량화한 버전이 아니다. 처음부터 지연 시간과 비용 효율을 목표로 따로 학습된 모델이다. 그래서 단순 텍스트 생성이나 요약, 분류처럼 반복적이고 대량으로 처리해야 하는 작업에서는 프로 못지않은 성능을 훨씬 저렴한 가격에 뽑아낸다.

여기서 핵심은 ‘추론 깊이’다. 최신 플래시 모델들은 복잡한 문제를 만나면 내부적으로 여러 단계를 거쳐 답을 찾는다. 이른바 단계적 추론이다. 덕분에 코딩이나 수학 문제 같은 어려운 작업에서도 예전 플래시보다 결과가 눈에 띄게 나아졌다. 대신 그 과정에서 토큰을 더 먹는다. 같은 작업이라도 실제 청구액은 이전 세대보다 높게 나올 수 있다는 얘기다.

토큰 요금, 계산법은 이렇다

API 요금은 보통 입력 토큰과 출력 토큰을 따로 계산해서 백만 토큰(1M tokens) 단위로 가격을 매긴다. 대략적인 감을 잡아보면:

• 플래시 계열: 입력 1M당 1달러 미만, 출력 1M당 3~4달러 수준
• 프로 계열: 입력·출력 모두 플래시의 3~5배 이상

주의할 게 하나 있다. ‘추론 토큰’이다. 모델이 답을 내놓기 전에 내부적으로 생각하는 과정도 토큰으로 잡히는 경우가 많다. 그래서 겉으로 보이는 답변은 짧은데 청구서에는 훨씬 많은 토큰이 찍히는 일이 흔하다. 프롬프트 설계 단계에서 이 부분을 안 챙기면, 요금이 예상보다 훅 뛰어서 당황할 수 있다.

플래시냐 프로냐, 뭘 골라야 할까

플래시가 유리한 경우

• 고객 문의 자동응답, 챗봇처럼 응답 속도가 중요한 서비스
• 대량의 문서 요약, 태깅, 분류 작업
• 스타트업이나 개인 프로젝트처럼 API 비용 자체를 아껴야 할 때

프로가 유리한 경우

• 복잡한 코드 리팩터링, 긴 문맥의 법률·의료 문서 분석
• 다단계 추론이 필요한 리서치, 데이터 분석 작업
• 정확도가 매출이나 안전과 직결되는 서비스

실무에서는 두 모델을 섞어 쓰는 전략도 많이 쓴다. 1차 분류나 필터링은 플래시로 처리하고, 정말 복잡한 케이스만 프로로 넘기는 식이다. 파이프라인을 이렇게 짜면 품질과 비용, 둘 다 잡을 수 있다.

GPT 미니, 클로드 하이쿠랑 비교하면 어떨까

다른 회사들도 비슷한 경량 라인업을 운영한다. OpenAI의 GPT 미니 계열, 앤트로픽의 클로드 하이쿠 계열이 제미나이 플래시와 같은 포지션이다. 셋 다 ‘빠르고 저렴한 실무용 모델’이라는 콘셉트는 같다. 다만 세부적으로 들어가면 코딩 벤치마크, 다국어 처리 품질, 컨텍스트 윈도우 크기(한 번에 처리 가능한 텍스트 분량)에서 차이가 난다.

가격만 놓고 보면 세 회사의 경량 모델 요금은 큰 틀에서 비슷한 수준으로 수렴하는 추세다. 그래서 모델 선택은 가격보다 실제 자신의 작업, 그러니까 코딩이든 번역이든 요약이든 벤치마크 점수와 응답 속도를 직접 테스트해보고 결정하는 편이 정확하다.

API 비용, 이렇게 아낀다

• 캐싱 활용: 반복되는 시스템 프롬프트나 문서는 프롬프트 캐싱 기능을 써서 중복 토큰 비용을 줄인다
• 모델 라우팅: 난이도가 낮은 요청은 플래시로, 어려운 요청만 프로로 자동 분기시킨다
• 출력 길이 제한: max_tokens 값을 필요 이상으로 크게 잡지 않는다
• 배치 처리: 실시간 응답이 필요 없는 작업은 배치 API를 이용하면 정가 대비 절반 가격에 처리되는 경우가 많다

자주 묻는 질문들

Q. 플래시 모델은 무료로 못 쓰나?
A. 구글 AI 스튜디오나 각 서비스의 무료 티어를 통해 제한된 요청 횟수 안에서는 무료 체험이 가능하다. 다만 프로덕션 서비스에 붙이려면 결국 유료 API 키가 필요하다.

Q. 버전이 올라가면 무조건 이전 버전보다 나은가?
A. 대체로 성능은 좋아진다. 하지만 앞서 말했듯 추론 단계가 늘면서 토큰 소비량과 응답 속도가 달라질 수 있다. 자신의 서비스에 맞는지는 꼭 직접 테스트해보는 게 안전하다.

Q. 라이트 버전과 일반 플래시는 뭐가 다른가?
A. 라이트는 플래시보다 더 가볍고 저렴하다. 대신 복잡한 작업 정확도는 떨어진다. 초간단 분류나 온디바이스 처리에 맞는 모델이다.

출처: The Verge