구글 제미니 2.0: AI 이미지 생성 및 편집, 혁신적이다!

Prompt Engineering 구독자 190,000명

요약

영상은 구글의 최신 Gemini 2.0 Flash가 제공하는 이미지 생성 및 편집 기능을 실제 데모를 통해 소개합니다. GPT-40 이미지 사례를 언급하며, 모델이 이미지 내 텍스트를 정밀하게 추출(OCR)하고 이를 기반으로 프롬프트를 생성해 동일 이미지를 재생성하는 과정을 보여줍니다. 또한 텍스트 설명만으로 로고 교체, 색채 보정, 스타일 변환 등 다양한 이미지 편집 작업이 가능함을 시연합니다. 마지막으로 API 활용법과 Gemini Robotics, Gat 3 등 구글의 AI 멀티모달 전략에 대해 논의합니다.

주요 키워드

Gemini 2.0 AI 이미지 생성 텍스트 기반 편집 OCR API 멀티모달 Gemini Robotics Gat 3 스타일 변환

하이라이트

🔑 GPT-40 이미지 사례를 통해 호기심을 자극하며 Gemini 2.0 Flash의 출현을 알림.
⚡️ 모델이 이미지 내 텍스트(OCR)를 정밀하게 추출하고, 이를 프롬프트로 전환해 동일 이미지를 재생성하는 과정을 시연함.
🚀 텍스트 기반 이미지 편집 기능으로 T-셔츠 로고 교체, 색상 보정 등 다양한 변형이 가능함을 보여줌.
🌟 인물 인식, 측면도, 전체 신체 이미지 생성 등 세밀한 편집 및 스타일 변환을 통해 일관된 캐릭터 표현을 검증함.
📌 Google AI Studio와 API를 통한 손쉬운 Gemini 2.0 기능 접근성 및 활용 방안을 강조함.
🚀 Gemini Robotics와 Gat 3 등 추가 모델 및 구글의 멀티모달 전략을 언급하며 향후 발전 가능성을 시사함.

용어 설명

Gemini 2.0 Flash

구글의 최신 멀티모달 AI 모델로, 텍스트와 이미지를 동시에 처리하며 생성 및 편집 기능을 제공함.

텍스트-이미지 프롬프트

이미지 생성에 사용되는 상세한 텍스트 설명으로, 모델이 이를 기반으로 이미지를 재현함.

OCR

이미지 내의 텍스트를 인식하여 추출하는 기술로, 모델이 이미지의 세부 정보를 분석하는 데 사용됨.

API

응용 프로그램 인터페이스로, 외부 애플리케이션에서 Gemini 2.0의 기능을 손쉽게 통합하고 활용할 수 있게 해줌.

멀티모달

텍스트, 이미지, 오디오 등 다양한 데이터 유형을 동시에 처리할 수 있는 기술을 의미함.

Open Weight Models

모델의 가중치가 공개되어 사용자가 직접 확인하고 활용할 수 있는 AI 모델을 의미함.

GPT-40 이미지 언급과 함께 Gemini 2.0 Flash의 출현 배경 및 핵심 기능을 소개함.

[00:00] GPT-4로 생성된 것으로 알려진 이미지를 소개하며, Greg Brockman이 1년 전에 공개했던 내용을 설명합니다.

[00:15] 구글이 새로 출시한 제미나이 2.0 플래시의 네이티브 이미지 생성 기능을 소개하고, 기존 이미지를 이용한 테스트를 시작합니다.

이미지 내 텍스트를 정밀하게 추출(OCR)하고, 이를 기반으로 재현 가능한 프롬프트를 생성하는 과정을 시연함.

[00:32] 제미나이 2.0 플래시에 이미지를 입력하고 상세 설명과 재생성 프롬프트를 요청하여 놀라운 결과를 얻습니다.

텍스트 설명만으로 이미지 내 로고 교체, 수정 등 다양한 편집 작업을 수행하는 기능을 데모함.

[01:39] 이미지 편집 기능을 시연하며, T셔츠 로고를 구글 로고로 변경하는 실험을 진행합니다.

[02:48] 제미나이 플래시의 실제 사용 방법과 API 활용 가능성에 대해 설명합니다.

[03:21] 이미지와 오디오 생성 기능을 소개하며, 오펜하이머와 아인슈타인의 흑백 사진을 컬러로 변환하는 실험을 시작합니다.

색상 보정, 측면도 및 전체 신체 이미지 생성 등 다양한 스타일 변환과 이미지 합성을 통해 모델의 응용력을 확인함.

[03:40] 컬러링 결과가 매우 자연스럽고, AI가 이미지 속 인물을 정확하게 인식하여 아인슈타인과 오펜하이머를 식별합니다.

[04:12] 이미지 편집 실험에서 모자를 추가하는 작업을 시도했으나, AI가 의도와 다르게 아인슈타인의 머리에 모자를 씌우는 실수를 보여줍니다.

[04:33] 참조 이미지의 스타일을 이해하고 그 스타일로 새로운 강아지 이미지를 생성하는 능력을 시연합니다.

[05:02] 인물 이미지의 옆모습 생성과 전신 확장 등 더 복잡한 이미지 조작 실험을 진행합니다.

[06:01] 두 개의 이미지를 조합하여 여성이 장난감 자동차를 들고 있는 새로운 이미지를 생성하는 고급 기능을 보여줍니다.

Google AI Studio와 API 활용법, 그리고 Gemini Robotics, Gat 3 등 구글의 멀티모달 AI 전략 및 미래 전망을 논의함.

[06:28] AI 모델의 캐릭터 일관성 유지 능력을 강조하며 마무리합니다.

[06:35] Gemini 모델의 이미지 처리 및 생성 능력에 대한 설명과 예시를 보여줍니다.

[07:10] Google AI 스튜디오와 API를 통한 Gemini Flash 모델 사용 방법을 설명합니다.

[07:42] Google의 새로운 Gemma 3 오픈 웨이트 모델의 특징과 성능에 대해 소개합니다.

[08:53] Gemini 로보틱스 발표와 멀티모달 기능의 활용 사례를 설명합니다.

[09:31] Google의 AI 전략과 모델의 실용성, 다양한 선택지 제공의 장점을 분석합니다.

[00:00] 아마 여러분은 이 이미지를 기억하실 겁니다.

[00:02] 이것은 GPT-4가 생성한 것으로 알려져 있는데,

[00:05] 약 1년 전 Greg Brockman이 게시했던 것입니다.

[00:08] 그는 이것이 GPT-4로 생성된 이미지라고 했죠.

[00:12] 우리는 아직도 이 기능이 공개되기를 기다리고 있는데,

[00:15] 구글이 방금 네이티브 이미지 생성을 지원하는

[00:18] 제미나이 2.0 플래시를 출시했습니다.

[00:21] 그리고 이것은 제가 본 것 중

[00:23] 가장 놀라운 것 중 하나입니다.

[00:25] 저는 그 정확한 이미지를 가져와서

[00:29] 제미나이 2.0 플래시 실험판에 올렸습니다.

[00:32] 그리고 화이트보드에 있는

[00:34] 모든 텍스트를 포함해서

[00:36] 이미지를 자세히 설명해달라고 했고,

[00:39] 텍스트-투-이미지 생성기에서 사용할 수 있는

[00:42] 정확히 같은 이미지를 만들 수 있는 프롬프트를 요청했습니다.

[00:45] 여기 AI가 제시한 결과를 보여드리겠습니다.

[00:48] 매우 상세한 설명을 제공했는데,

[00:50] 이미지에 있는 텍스트를 인식하는

[00:53] OCR 기능이 정말 뛰어났습니다.

[00:55] 그리고 이미지에서 추출한 모든 텍스트를 포함한

[00:59] 프롬프트를 제공했습니다.

[01:01] 이 프롬프트를 다시

[01:03] 제미나이 2.0 플래시에 입력했고,

[01:06] 여기 생성된 결과물이 있습니다.

[01:10] 정확히 같은 텍스트가 포함되어 있는데,

[01:13] '모달리티 간의 전환'이라는 내용과

[01:16] '하나의 큰 자동회귀 트랜스포머로

[01:19] 텍스트, 픽셀, 사운드를 직접 모델링한다면

[01:22] 장단점은 무엇일까'라는 내용이 있고,

[01:24] 심지어 계산 그래프도 포함되어 있어

[01:27] 정말 인상적입니다.

[01:29] 제가 본 것 중 가장 놀라운 것 중 하나인데,

[01:31] OpenAI 로고를 넣지 않고

[01:34] 대신 다른 것을 사람의

[01:37] 등 뒤에 넣었다는 점이 특이합니다.

[01:39] 하지만 더 놀라운 점은

[01:42] 텍스트 설명만으로 이미지를 편집할 수 있다는 것입니다.

[01:45] 저는 'T셔츠 뒷면의 로고를

[01:47] 구글 로고로 바꿔줄 수 있나요?'라고 했고

[01:49] 여기 결과물이 나왔습니다.

[01:52] 로고를 변경했지만,

[01:54] 이미지가 약간 수정된 것 같습니다.

[01:56] 텍스트가 이전만큼 정확하지는 않네요.

[01:59] 하지만 이는 앞으로 몇 번의 반복만으로도

[02:04] 어떤 것들이 가능해질지

[02:06] 잘 보여주는 예시입니다.

[02:08] 이제 우리가 할 것은,

[02:11] 같은 프롬프트를 사용해서

[02:12] 더 많은 맥락을 제공하고

[02:14] 이번에는 사람의 등 뒤에

[02:16] 구글 로고를 넣어달라고 요청해서

[02:18] 어떤 결과가 나오는지 보겠습니다.

[02:21] 꽤 좋은 결과물이 나왔네요.

[02:24] 텍스트를 보면 '모달리티 간의 전환,

[02:27] 하나의 큰 자동회귀 트랜스포머로

[02:29] 직접 모델링하면'이라는 내용이 있고

[02:32] 실제로 이 사람의 셔츠 뒷면에

[02:34] 구글 로고가 있는 것을 볼 수 있습니다.

[02:36] 정말 인상적이죠.

[02:38] 이는 텍스트 설명으로 이미지를 생성할 수 있을 뿐만 아니라

[02:42] 텍스트 설명으로

[02:44] 이미지를 편집할 수도 있다는 것을 보여줍니다.

[02:48] 발표 페이지에 많은 예시들이 있지만,

[02:51] 제가 직접 만든 몇 가지 예시를

[02:53] 보여드리겠습니다.

[02:55] 가장 좋은 점은 API를 통해

[02:58] 이 기능을 사용할 수 있고

[03:00] 무료로 이용 가능하다는 것입니다.

[03:04] 다른 예시를 보여드리기 전에,

[03:06] 제미나이 플래시에서 어떻게 사용하는지

[03:08] 보여드리겠습니다. 구글 AI 스튜디오에 가서

[03:12] 제미나이 2.0 플래시 실험판을 선택하면

[03:15] 새로운 출력 형식을 보실 수 있습니다.

[03:17] 텍스트와 함께 선택하시면 됩니다.

[03:21] 또한 이미지와 함께 오디오도 생성할 수 있습니다.

[03:24] 여기 오펜하이머와 알버트 아인슈타인의 사진이 있는데,

[03:26] 흑백 사진입니다.

[03:29] 이 이미지에 색을 입혀보겠습니다.

[03:31] 어떤 결과가 나오는지 보겠습니다.

[03:33] 자, 여기 컬러 결과물이 나왔네요.

[03:35] 원본 이미지의 구조를 잘 유지했고

[03:38] 색감도 매우 자연스럽습니다.

[03:40] 컬러링이 정말 훌륭해 보이네요.

[03:42] 이제 실제로 이미지 속 인물을

[03:45] 인식할 수 있는지 확인해보겠습니다.

[03:47] 이미지 속 인물이 누구인지 물어보겠습니다.

[03:49] 어떤 응답이 오는지 보겠습니다.

[03:54] 응답에 따르면 이미지 속 인물은

[03:56] 알버트 아인슈타인과

[03:59] 그리고

[04:00] 로버트

[04:01] 오펜하이머라고 합니다. 이것은 잘 알려진

[04:04] 두 저명한 물리학자의 사진이라고 하네요.

[04:05] 꽤 정확한데, 이제 한 가지 더 시도해보겠습니다.

[04:08] 오펜하이머의 머리에 모자를 씌워달라고 해보겠습니다.

[04:12] 이 명령어를 실행해보겠습니다.

[04:14] 프롬프트를 실행하고 결과를 기다려보죠.

[04:17] 이번에는 오펜하이머 대신 아인슈타인의 머리에 모자를 씌웠네요.

[04:21] 하지만 이전에 같은 프롬프트를 사용했을 때는

[04:24] 실제로 오펜하이머의 머리에

[04:26] 모자를 잘 씌웠었습니다.

[04:28] AI가 아직 완벽해지려면 시간이 더 필요하네요.

[04:31] 이제 더 놀라운 기능들을 보여드리겠습니다.

[04:33] 이 이미지를 참조 이미지로 제공하고

[04:36] 이 스타일로 강아지 이미지를 만들어달라고 했습니다.

[04:38] 여기 강아지 이미지가 나왔네요.

[04:41] 제시된 스타일을 이해하고

[04:43] 그 스타일로 이미지를 재생성할 수 있다는 것이

[04:45] 정말 인상적입니다.

[04:48] 생성된 모든 이미지에는

[04:50] 작은 워터마크가 있어서

[04:53] 이것이 AI가 생성한 이미지라는 것을

[04:56] 쉽게 알 수 있습니다.

[04:59] 물론

[05:00] 쉽게 마스킹할 수도 있죠.

[05:02] 이제 트위터나 X에서 본

[05:04] 다른 예시들도 시도해보겠습니다.

[05:07] 여기 한 이미지를 제공하고

[05:10] 옆모습을 만들어달라고 요청했습니다.

[05:13] 여기 결과물이 나왔는데

[05:16] 확실히 원본 이미지의 인물과

[05:18] 이 사람 사이에는 분명한 유사성이 있습니다.

[05:20] 심지어 둘 다 입고 있는 스웨터도

[05:22] 매우 비슷하네요.

[05:26] 하지만 더 놀라운 기능이 있습니다.

[05:28] 이 사람의 전신이 보이도록

[05:31] 확대된 그림을 그려달라고 했더니

[05:33] 여기 결과물이 나왔는데

[05:36] 유사성이 확실히 보이고

[05:39] 티셔츠도 그대로 유지했으며 전신도 잘 표현했습니다.

[05:43] 이 트위터 사용자는

[05:45] 제미나이 플래시의 이미지 생성 기능을 사용한

[05:48] 정말 놀라운 예시들을 보여주었고

[05:51] 저도 그중 몇 가지를

[05:53] 시도해보겠습니다. 여기 하나가 있는데

[05:55] 이 두 이미지를 합치려고 시도했습니다.

[05:58] 두 이미지를 하나로 제공하고

[06:01] 이 여성이 장난감 자동차를 들고 있는

[06:03] 초현실적인 이미지를 만들어달라고

[06:05] 요청했습니다.

[06:09] 어떤 결과가 나올지 보겠습니다.

[06:12] 자, 여기 여성이 자동차를 들고 있네요.

[06:15] 정말 인상적입니다. 다른 모델로도

[06:17] 이런 작업이 가능하지만

[06:19] 컨트롤넷같은 것이 필요하고

[06:21] 매우 복잡한 워크플로우가 필요할 겁니다.

[06:24] 하지만 이건 정말 놀랍습니다.

[06:28] 이 모델의 가장 인상적인 점 중 하나는

[06:30] 캐릭터의 일관성입니다.

[06:33] 작은 변화는 있지만 여전히

[06:35] 이 모델이 이미지를 입력으로 처리하고

[06:38] 생성할 수 있다는 점에서

[06:40] 매우 인상적이라고 생각합니다. 예를 들어

[06:42] 표정을 변경하고

[06:45] 웃는 표정을 만들고 안경을 추가했는데

[06:48] 이 두 이미지 사이의 일관성이

[06:51] 정말 뛰어납니다. 그리고 머리 색을

[06:54] 변경하고 배경을 추가하는 것도

[06:58] 매우 깔끔하게 처리됩니다. 이 모든 것을

[07:01] 원하는 내용을 설명하는 것만으로도 할 수 있고

[07:05] 모델이 이미지를

[07:07] 자동으로 편집해 줍니다. 시작하는 방법은

[07:10] 완전히 무료로

[07:12] Google AI 스튜디오에서 사용할 수 있으며

[07:15] API를 통해서도 제공됩니다.

[07:18] Gemini Flash 모델을 사용해

[07:22] API를 통해 이미지를 생성할 수 있으며

[07:25] Google의 새로운 API 클라이언트를 사용하면 됩니다.

[07:27] 모델의 이름만 제공하면 되는데

[07:29] Gemini 2.0 Flash experimental을

[07:32] 사용하고, 프롬프트와

[07:35] 원하는 출력 응답을 지정하면 됩니다.

[07:37] 이미지를 원한다면 이미지

[07:40] 모달리티를 응답에

[07:42] 추가해야 합니다. 현재 Google은 최전선에 있으며

[07:45] Google이 작업 중인 다른 기능들도

[07:47] 정말 놀랍습니다.

[07:51] 곧 다른 기업들과 차별화될 것

[07:53] 이라고 생각합니다.

[07:55] 이 외에도 Google은

[07:57] Gemma 3라는 새로운 오픈 웨이트 모델을 출시했는데

[08:01] 이것도 멀티모달 특성을 가지고 있습니다.

[08:04] 이 제품군에는 4개의 모델이 있으며

[08:06] 1억부터 시작해서

[08:08] 270억까지 다양한 크기가 있고

[08:10] 모든 모델의 컨텍스트 윈도우는

[08:12] 1억 모델을 제외하고 12만 8천 토큰입니다.

[08:16] 1억 모델을 제외한 모든 모델이 다국어를 지원하며

[08:18] 이미지와 비디오 이해 기능도 갖추고 있습니다.

[08:22] 270억 모델은 그 크기에서

[08:25] 최고의 성능을 보여주며

[08:27] 실제로

[08:30] 현존하는 최고의 오픈 웨이트 모델들과 비교했을 때

[08:33] chatbot Arena 리더보드에서

[08:35] DeepSeek R1에 이어 2위를 기록했습니다.

[08:40] Gemma 2에 대해서는

[08:42] 별도의 영상을 만들 예정이니

[08:44] 오픈 웨이트 모델에 관심 있으시다면

[08:46] 채널 구독을 해주시기 바랍니다.

[08:49] 하지만 오늘의 소식은 여기서 끝이 아닙니다.

[08:53] Google은 Gemini 로보틱스도 발표했는데

[08:56] 이는 Gemini 2 모델을 기반으로 하지만

[09:00] 로보틱스에 특화되어 있습니다.

[09:02] 이 모든 것이 Gemini의

[09:05] 멀티모달 기능으로 구현됩니다.

[09:08] 그들이 공유한

[09:10] 흥미로운 예시들이 많이 있는데

[09:12] 관심 있으시다면 블로그 포스트 링크를

[09:14] 첨부해 두겠습니다. 전반적으로 Gemini는

[09:18] Google의 AI 전략의 핵심 요소가 되어가고 있으며

[09:22] Gemini Pro와 같은 최첨단 모델들,

[09:25] Gemini Flash, 그리고

[09:28] Gemma와 같은 오픈 웨이트 모델들과 함께

[09:31] Google이 현재 선두를 달리고 있다고

[09:34] 생각합니다. 특히

[09:36] 모델의 사용성 측면에서는

[09:38] 가장 좋은 모델은 아닐 수 있지만

[09:42] 가장 유용한 모델을 보유하고 있습니다.

[09:45] Google의 제품을 보면

[09:47] 다양한 옵션과 다양한 가격대를

[09:51] 모든 애플리케이션에 제공하고 있죠.

[09:54] 항상 사고하는 모델이 필요한 것이 아니라

[09:57] 때로는 데이터를 처리하거나

[10:00] 결정을 내릴 수 있는 적당한 수준의

[10:02] 모델이 필요할 뿐입니다. 이런 점에서

[10:06] Google이 다른

[10:08] 기초 모델 개발사들보다

[10:11] 우위를 가질 수 있다고 봅니다.

[10:13] 이 새로운 기능을 살펴보고 사용해 보시고

[10:17] 이 네이티브 이미지 생성으로

[10:19] 어떤 것을 만드실 수 있는지 알려주세요.

[10:23] 이 영상이 도움이 되었길 바랍니다.

[10:24] 시청해 주셔서 감사하며

[10:26] 다음 영상에서 만나요.