Agent Lab Journal

  Agent Lab Journal

    Guides
...

실습 랩 · Google Vids · 생성형 비디오 (Generative video)

Google Vids의 Gemini Omni: 한 개의 클립을 단계별로 생성 및 편집하기

      레벨: 중급 (intermediate)
      읽기 및 실습 시간: 60분
      결과물: 테스트 클립, 프롬프트 로그, 안정성 점수표 (stability scorecard)

유용한 질문은 생성형 비디오 편집기가 하나의 매력적인 샷을 제작할 수 있는지 여부가 아닙니다. 핵심은 편집기가 여러 번의 독립적인 지시 후에도 동일한 샷을 유지할 수 있는지입니다. 이 실습에서는 제어된 하나의 클립을 생성하고, 배경을 교체하며, 조명을 변경하고, 분위기 효과를 추가한 뒤, 매 단계에서 의도치 않게 변경되는 사항을 정확히 기록하게 됩니다.

목차

• 이 실습이 답하는 질문

• 사용 가능한 편집 모드 확인

• 구체적인 사례

• 수락 기준 (acceptance criteria) 정의

• 작업 공간 및 로그 준비

• 베이스라인 클립 생성

• 세 가지 연속적인 편집 적용

• 직접 제어 버전 생성

• 클립 검증 및 점수 산정

• 실패 사례 및 진단

• 한계점

• 최종 보고서 템플릿

이 실습이 답하는 질문

Gemini Omni는 해당 기능이 계정에서 사용 가능할 때 자연어 편집 제어를 통해 Google Vids에서 사용할 수 있습니다. 인터페이스, 제한 사항, 지원되는 입력값 및 정확한 레이블은 변경될 수 있습니다. 모든 Google Vids 계정이 동일한 워크플로우를 제공한다고 가정하는 대신, 귀하의 계정에 실제로 표시되는 내용을 기록하십시오.

테스트는 다섯 가지 속성에 집중합니다:

• 구도 안정성 (Composition stability): 피사체의 위치, 샷 크기 (shot size), 관점 (perspective), 카메라 각도 (camera angle), 그리고 주변의 여백 (negative space)이 안정적으로 유지되는지 여부.

• 캐릭터 일관성 (Character consistency): 버전 간에 얼굴, 연령, 헤어스타일, 의상, 신체 비율 및 특징적인 물체가 변하지 않는지 여부.

• 편집 국소성 (Edit locality): 배경을 교체해 달라는 요청이 피사체, 움직임(motion) 또는 카메라를 함께 교체하지 않는지 여부.

• 참조 준수 (Reference adherence): 생성된 피사체가 제공된 참조 이미지 (reference image)에 의해 정의된 가시적 속성을 유지하는지 여부.

• 누적 안정성 (Cumulative stability): 반복적인 편집이 기준점 (baseline)으로부터 생성 드리프트 (generation drift)를 점진적으로 발생시키지 않는지 여부.

이 글이 주장하지 않는 사항

점수나 제품에 대한 결론은 사전에 제공되지 않습니다. 비어 있는 점수 필드는 의도된 것입니다. 귀하가 내보낸 클립과 기록된 관찰 내용이 결과를 결정합니다.

사용 가능한 편집 모드 확인

테스트하려는 계정으로 Google Vids를 엽니다. AI 비디오 생성 패널을 찾아 생성 (generation), 애니메이션 (animation), 편집 (editing) 또는 기타 관련 작업 기능이 제공되는지 확인하십시오. 인터페이스에 표시되는 정확한 문구를 기록하십시오.

생성을 시작하기 전에 다음 사항을 기록하십시오:

• 인터페이스에 표시된 제품 및 기능 이름;

• 계정 유형 또는 워크스페이스 (workspace) 컨텍스트 (자격 증명은 기록하지 마십시오);

• 테스트 날짜 및 인터페이스 언어;

• 기존에 업로드된 비디오를 편집할 수 있는지 여부;

• 현재 기록(history)에 있는 AI 생성 클립만 편집할 수 있는지 여부;

• 이미지 참조 (image references)를 첨부할 수 있는지 여부;

• 사용 가능한 종횡비 (aspect ratios) 및 출력 설정;

• 현재 세션이 이전 생성물들을 유지하는지 여부;

• 고정 시드 (fixed seed) 또는 기타 재현성 제어 (reproducibility control) 기능이 노출되는지 여부.

만약 편집기(editor)가 업로드된 클립을 수락하지 않는다면, 해당 워크플로(workflow)를 사용할 수 있는 경우 동일한 세션에서 생성된 AI 생성 클립을 사용하십시오. 편집 작업(edit operation)이 존재하지 않는다면, 순차적 테스트를 중단하고 “편집 모드 사용 불가(editing mode unavailable)”를 기록하십시오. 텍스트만으로 장면을 다시 생성하는 것은 기존 클립의 보존(preservation) 여부를 테스트하는 것이 아니므로 별개의 실험입니다.

모든 버전을 즉시 보존하십시오

생성 이력(generation history)은 현재 세션에 종속될 수 있습니다. 탭을 닫거나 다음 편집을 시작하기 전에, 수락된 각 클립을 프로젝트에 삽입하고 내보내기(export)하거나 다른 방식으로 보존하십시오.

구체적인 사례: 스튜디오 안의 배달원

의도하지 않은 변경 사항을 쉽게 감지할 수 있는 장면을 사용하십시오: 한 명의 인물, 하나의 소품, 하나의 짧은 동작, 그리고 고정된 카메라(static camera)가 필요합니다. 군중, 읽을 수 있는 라벨, 브랜드, 정교한 안무(choreography), 또는 빠른 카메라 움직임은 피하십시오.

      진한 네이비색 바람막이를 입은 젊은 배달원이 밝고 중립적인 스튜디오 중앙에 서 있습니다. 배달원은 왼손에 무늬 없는 흰색 라벨이 붙은 작은 정사각형 판지 상자를 들고, 카메라를 향해 차분하게 두 걸음을 걸어간 뒤, 멈춰 서서 상자를 약간 들어 올립니다. 카메라는 전신 와이드 샷(full-body wide shot) 상태로 고정되어 있습니다.

이 장면에는 7개의 관찰 가능한 앵커(anchors)가 포함되어 있습니다:

• 정확히 한 명의 가시적인 인물;

• 진한 네이비색 바람막이;

• 작은 정사각형 상자;

• 상자가 왼손에 유지됨;

• 두 걸음 이동 후 상자를 약간 들어 올림;

• 피사체가 프레임 중앙 근처에 머무름;

• 카메라가 고정됨.

업로드가 허용된 합성(synthetic), 라이선스 보유, 또는 직접 제작한 참조 자료(reference)를 사용하십시오. 개인 고객의 자산, 식별 가능한 낯선 사람, 기밀 영상, 또는 유명인을 사용해서는 안 됩니다. 참조 자료는 얼굴이 명확하고, 의상이 잘 보이며, 중립적인 배경을 가져야 합니다. 가독성이 유지되어야 하는 텍스트는 포함하지 마십시오.

생성 전 수락 기준(acceptance criteria)을 정의하십시오

성공적인 내보내기(export)가 곧 성공적인 편집을 의미하는 것은 아닙니다. 매력적인 결과물이 원치 않는 변경 사항을 가리지 않도록, 결과물을 확인하기 전에 조건을 설정하십시오.

          영역 (Area)
          조건 (Condition)
          증거 (Evidence)
...

각 기준에 대해 4점 척도를 사용하십시오:

          점수 (Score)
          의미 (Meaning)

...

워크스페이스 및 프롬프트 로그 준비

Google Vids 프로젝트 외부의 디렉토리를 생성하십시오. 이 디렉토리의 목적은 버전 계보(version lineage), 즉 어떤 클립이 편집되어 이후의 각 클립을 생성했는지를 보존하는 것입니다.

mkdir -p google-vids-omni-test/{reference,clips,frames,notes}

cd google-vids-omni-test
...

다음 파일 구조를 사용하십시오:

google-vids-omni-test/
├── reference/
│   └── 00-reference.png
...

prompts.csv에 다음 헤더를 입력하십시오:

step,file,parent,operation,prompt,reference,settings,attempt,result_notes
1,01-baseline.mp4,,generate,"...",00-reference.png,"fill in",1,""
2,02-background.mp4,01-baseline.mp4,edit_background,"...",00-reference.png,"same",1,""
...

문장 부호, 부정 제약 조건(negative constraints), 줄 순서를 포함하여 모든 프롬프트를 정확하게 복사하십시오. 단계를 재시도하는 경우, 실패한 시도를 교체하는 대신 새로운 행을 추가하십시오.

중립적인 매니페스트(manifest)에 환경을 기록하십시오:

test_date: YYYY-MM-DD
product_label: fill_in
feature_label: fill_in
...

베이스라인 클립 생성

새로운 AI 비디오 생성을 시작하십시오. 참조 입력(reference inputs)이 지원되는 경우 00-reference.png를 첨부하십시오. 짧은 가로 형식(landscape)의 클립을 요청하고 동작은 단순하게 유지하십시오.

가로 형식의 사실적인 짧은 비디오 클립 하나를 생성하십시오.

짙은 남색 바람막이를 입은 젊은 배달원이 중앙에 서 있습니다
...

인터페이스가 주요 요청과 제외 사항(exclusions)을 분리하는 경우, 의미를 변경하지 않고 마지막 단락을 제외 사항 필드에 배치하십시오. 재생 시간(duration)이 프롬프트 외부에서 제어되는 경우, 사용 가능한 짧은 클립 재생 시간을 선택하고 실제 값을 기록하십시오.

베이스라인 게이트 (Baseline gate)

비교하기에 부적절한 베이스라인 (baseline)으로 진행하지 마십시오. 베이스라인은 7개의 장면 앵커 (scene anchors) 중 최소 5개를 충족해야 하며, 얼굴, 손, 또는 상자 (box)의 치명적인 변형이 포함되어서는 안 됩니다.

• 정확히 한 명의 인물이 보여야 합니다.
• 피사체 (subject)가 중앙 근처에 머물러야 합니다.
• 바람막이 (windbreaker) 색상이 다크 네이비 (dark navy)여야 합니다.
• 상자 (box)를 왼손에 들고 있어야 합니다.
• 동작에 발걸음과 상자를 들어 올리는 동작이 포함되어야 합니다.
• 카메라가 고정된 상태 (static)를 유지해야 합니다.
• 얼굴, 손, 상자가 비교 가능한 수준이어야 합니다.

생성 전, 세 번의 베이스라인 시도와 같이 재시도 제한 (retry limit)을 설정하십시오. 모든 시도를 기록하십시오. 베이스라인은 영화적 매력이 아닌, 테스트 앵커 (test anchors) 준수 여부에 따라 선택하십시오. 승인된 버전은 01-baseline.mp4로 저장합니다.

세 단계의 연속 편집 적용

메인 브랜치 (main branch)는 반드시 다음의 정확한 체인을 따라야 합니다:

01-baseline.mp4
        ↓
02-background.mp4
...

각 단계는 바로 직전의 버전에서 시작합니다. 이 브랜치 내에서 베이스라인으로 되돌아가지 마십시오.

1단계: 배경만 교체하기

베이스라인 클립을 편집 소스로 선택하고 다음을 제출합니다:

배경만 교체하십시오.

밝고 중립적인 스튜디오를 조용한 밤의 도시 거리로 변경하십시오.
...

결과를 02-background.mp4로 저장합니다. 계속하기 전에 피사체의 크기, 첫 프레임의 포즈 (pose), 걷는 경로, 의상, 얼굴, 손, 또는 상자가 변경되었는지 기록하십시오.

2단계: 조명만 변경하기

02-background.mp4를 소스로 사용합니다:

피사체와 장면에 대한 조명만 변경하십시오.

카메라 오른쪽에서 들어오는 차가운 블루 림 라이트 (rim light)와 부드럽고 따뜻한 상점 창문의 빛을 추가하십시오.
...

결과를 03-light.mp4로 저장합니다. 편집기가 방향성 조명 (directional light)을 생성했는지, 아니면 단순히 프레임 전체에 균일한 색조 (color cast)를 입혔는지 확인하십시오. 깜빡임 (flicker), 클리핑된 하이라이트 (clipped highlights), 부자연스러운 피부색, 그리고 배경의 변화를 기록하십시오.

3단계: 분위기 효과만 추가하기

03-light.mp4를 소스로 사용합니다:

미세한 분위기 효과만 추가하십시오.

공중에 드문드문 떨어지는 미세한 빗방울과 매우 얇은 증기 층을 추가하십시오.
...

결과를 04-effect.mp4로 저장하십시오. 새로운 시간적 아티팩트(temporal artifacts)를 확인하십시오: 피사체에 달라붙은 빗방울, 전경 객체를 잘못 가로지르는 증기, 한 프레임 동안만 나타나는 입자, 가장자리 왜곡(edge warping), 또는 불안정한 밝기 등입니다.

직접 제어 버전 생성하기

순차적 분기(sequential branch) 방식으로는 실패의 원인이 누적된 편집 때문인지, 아니면 일반적인 생성 변동성(generation variability) 때문인지 밝혀낼 수 없습니다. 01-baseline.mp4에서 직접 제어 분기(control branch)를 생성하고, 한 번의 작업으로 세 가지 편집을 모두 요청하십시오.

원본의 쿠리어(courier), 얼굴, 머리카락, 비율, 진한 남색
윈드브레이커, 왼손에 든 정사각형 상자, 2단계 동작, 상자 들어 올리기,
피사체 위치, 샷 크기(shot size), 원근법, 지속 시간, 그리고 정지된 카메라를 유지하십시오.
...

이 버전을 05-control-direct.mp4로 저장하십시오.

          분기 (Branch)
          부모 (Parent)
          변환 (Transformations)
...

클립 검증 및 점수 산정

단순히 순차적으로 재생하는 것에만 의존하지 마십시오. 모든 클립의 동일한 순간들을 비교하십시오: 첫 번째 프레임, 첫 번째 단계의 시작점, 정지 지점, 상자 들어 올리기, 그리고 마지막 프레임입니다.

1. 기술적 비교 가능성 확인

모든 내보내기(export) 파일의 실제 지속 시간, 해상도, 프레임 레이트(사용 가능한 경우), 그리고 종횡비(aspect ratio)를 기록하십시오. 지속 시간이 변경되면 이벤트의 시점이 어긋나 시각적 비교를 오도할 수 있습니다.

FFmpeg가 설치되어 있다면, 파일을 수정하지 않고 각 파일을 검사하십시오:

for file in clips/*.mp4; do
  echo "$file"
  ffprobe -v error \
...

2. 일치하는 프레임 추출

모든 클립에 공통으로 존재하는 시점을 선택하십시오. 다음 예시는 1초, 3초, 5초 지점에서 프레임을 추출합니다. 실제 동작 타이밍에 맞춰 값을 조정하십시오:

mkdir -p frames

for file in clips/*.mp4; do
...

FFmpeg를 사용할 수 없는 경우, Google Vids 타임라인이나 일관되게 일시 정지할 수 있는 다른 플레이어를 사용하십시오. 타임코드(timecodes)를 기록하고 수동으로 스크린샷을 캡처하십시오.

3. 점수표 작성

          기준 (Criterion)
          02 배경 (background)
          03 조명 (light)
...

총 12개의 기준이 있으며, 각 기준은 최대 4점까지 부여됩니다. 한 버전의 최대 점수는 48점입니다:

overall_stability_percent = points_received / 48 × 100

또한 세 가지 세부 측정 항목을 계산합니다:

• 캐릭터 안정성 (Character stability): 얼굴, 머리카락 및 비율, 의상, 박스 연속성, 그리고 참조 준수 (reference adherence)의 평균.

• 장면 안정성 (Scene stability): 피사체 위치, 각도 및 샷 크기 (shot size), 동작 타이밍, 그리고 카메라 안정성의 평균.

• 편집 정밀도 (Edit precision): 요청된 편집 정확도 (requested-edit accuracy)와 요청되지 않은 변경 사항의 부재 (absence of unrequested changes)의 평균.

4. 타임코드를 사용하여 편차 기록하기

진단을 위해서는 수치 점수만으로는 충분하지 않습니다. 눈에 보이는 모든 편차에 대해 한 줄씩 추가하십시오:

file,timecode,area,severity,expected,observed
03-light.mp4,00:00:03.200,face,fill_in,"same face","fill in"
04-effect.mp4,00:00:05.000,box,fill_in,"box in left hand","fill in"

5. 분기(branches)를 신중하게 해석하기

• 버전 02에서 04로 갈수록 점수가 하락한다면, 해당 실행(run)은 누적 드리프트 (cumulative drift) 가능성을 보여줍니다.

• 버전 04가 버전 05보다 약하다면, 이 실행에서는 직접 합성 편집 (direct composite edit)이 이 베이스라인을 더 잘 보존한 것입니다.

• 버전 05가 피사체는 보존하지만 요청된 효과 중 하나를 놓친다면, 개별 편집 (separate edits)이 더 나은 제어 정밀도 (command precision)를 제공할 수 있습니다.

• 두 분기 모두 서로 다른 방식으로 실패한다면, 어느 한 전략을 선호하기 전에 테스트를 반복하십시오.

• 결과가 매력적으로 보이지만 얼굴, 동작, 또는 박스를 변경했다면, 이는 편집 작업 (editing task)을 완전히 충족하지 못한 것입니다.

세부적인 결론 사용하기