영상 이해의 경계를 확장하다: Gemini 2.5가 바꾼 비디오 AI의 미래

영상 콘텐츠는 그 양과 다양성 면에서 폭발적으로 증가하고 있습니다. 문제는, 이렇게 쏟아지는 영상 데이터를 얼마나 정확하게 이해하고 활용할 수 있느냐입니다. 구글이 새롭게 공개한 Gemini 2.5는 이 질문에 대한 가장 강력한 해답을 제시합니다.

Gemini 2.5는 Pro와 Flash 두 가지 모델로 출시되었으며, 영상 이해(Video Understanding) 기술의 새로운 기준을 세우고 있습니다. 단순한 모델 성능 향상이 아니라, 실제 영상 콘텐츠를 기반으로 앱을 생성하고, 특정 순간을 찾아내며, 코드와 연동된 작업까지 수행할 수 있는 모델입니다.

이 글에서는 Gemini 2.5의 개념, 성능, 핵심 기능, 그리고 실전 활용 예제를 중심으로 자세히 소개합니다.

반응형

---

Gemini 2.5란 무엇인가?

Gemini 2.5는 구글이 개발한 차세대 멀티모달 AI 모델로, 텍스트와 이미지뿐 아니라 영상 및 오디오를 함께 처리할 수 있는 통합 모델입니다. 특히 이번 2.5 버전에서는 Pro와 Flash라는 두 가지 모델이 공개되었습니다.

• Gemini 2.5 Pro:
  최고 성능의 모델로, 기존 GPT-4.1은 물론 전문화된 파인튜닝 모델들과도 경쟁할 만큼 높은 정확도를 자랑합니다.
  대표적인 벤치마크 테스트인 YouCook2, QVHighlights, VideoQA 등에서 SOTA(State of the Art)를 달성했습니다.
• Gemini 2.5 Flash:
  성능은 조금 낮지만, 속도와 비용 측면에서 최적화된 경량 모델입니다. 예산이 제한된 환경에서도 높은 수준의 영상 처리를 지원합니다.

이 두 모델은 사용 목적에 따라 선택 가능하며, 특히 Pro 모델은 다양한 고난도 작업에서도 높은 신뢰도를 보여줍니다.

---

Gemini 2.5의 핵심 특징

1. 고정밀 영상 이해 성능

Gemini 2.5는 영상 이해 분야에서 다음과 같은 성능을 보여주고 있습니다.

• VideoQA에서 기존 모델을 능가하는 정답률
• QVHighlights에서 정밀한 순간 탐색 성능 (R1@0.5 기준)
• YouCook2에서 CIDEr 점수를 기반으로 한 고품질 설명 생성

이는 단순히 장면을 인식하는 수준이 아니라, 의미 있는 시점과 맥락까지 파악하는 능력을 의미합니다.

2. 멀티모달 처리와 코드 생성 통합

Gemini 2.5는 텍스트, 오디오, 이미지, 영상, 그리고 코드까지 함께 다룰 수 있습니다.

즉, 영상을 보고 그에 맞는 코드나 애플리케이션을 생성하는 작업이 가능합니다. 예를 들어, 특정 유튜브 영상을 분석한 후, 학습용 애플리케이션을 자동으로 설계하고 코드까지 생성해주는 프로세스가 가능해졌습니다.

3. 장시간 영상 처리 지원

새롭게 추가된 ‘저해상도 모드(low media resolution)’를 활용하면 최대 6시간 분량의 영상을 약 200만 토큰 범위 내에서 처리할 수 있습니다.
이는 기존 멀티모달 AI 모델이 수 분 단위의 짧은 영상만 분석할 수 있었던 한계를 크게 넘는 진전입니다.

---

실제 활용 사례

이론보다 중요한 것은 실제 적용 사례입니다. 아래는 Gemini 2.5 Pro가 실제로 수행할 수 있는 기능을 구체적으로 보여주는 예시들입니다.

1. 영상 기반 학습 앱 자동 생성

Google AI Studio의 Video To Learning App 기능은, YouTube 영상과 텍스트 프롬프트를 입력하면 해당 영상을 바탕으로 학습용 애플리케이션을 자동 생성해줍니다.

예를 들어, ‘시력 교정 원리’를 다룬 영상을 분석하여 중요한 개념을 정리하고, 이를 바탕으로 사용자 인터랙션이 가능한 학습 시뮬레이터를 생성합니다.
이는 교육 콘텐츠 제작의 방식 자체를 바꾸는 가능성을 제시합니다.

2. p5.js 기반 애니메이션 생성

영상을 기반으로 p5.js 애니메이션을 자동 생성하는 것도 가능합니다.

예를 들어, Project Astra 영상에 대해 ‘영상 속 주요 랜드마크를 기반으로 p5.js 애니메이션을 만들어줘’라는 프롬프트를 주면, Gemini 2.5는 시간 흐름에 맞춰 랜드마크를 시각화하는 애니메이션 코드를 생성합니다.

3. 특정 순간 탐색 및 설명

Gemini 2.5 Pro는 10분짜리 키노트 영상에서 제품 발표에 해당하는 16개 구간을 정확하게 식별해냅니다. 이 과정에서 오디오 및 비주얼 정보를 모두 활용해 맥락까지 파악합니다.

기존 모델들과 비교할 때, 이처럼 영상 전체를 맥락적으로 이해하고 정리할 수 있는 능력은 매우 드뭅니다.

4. 시간 기반 추론: 행동 횟수 세기

영상 속에서 특정 행동이 몇 번 발생했는지를 파악하는 시간 추론 능력 또한 갖추고 있습니다. 예를 들어, 한 캐릭터가 휴대폰을 꺼내는 장면이 17번 등장하는 것을 정확하게 인식합니다.
이러한 능력은 영상 기반 행동 분석, 스포츠 분석, 사용자 행동 예측 등에 활용 가능성이 높습니다.

---

Gemini 2.5를 어디서 사용할 수 있을까?

Gemini 2.5는 다음과 같은 플랫폼에서 사용할 수 있습니다.

• Google AI Studio: 직관적인 인터페이스로 영상 입력과 프롬프트를 입력해 테스트 가능
• Gemini API: 커스텀 애플리케이션 개발 시 사용 가능
• Vertex AI: 구글 클라우드 기반의 AI 플랫폼에서도 지원됨

또한 YouTube 영상을 직접 처리할 수 있도록 API가 설계되어 있어, 실제 수많은 공개 영상들을 대상으로 AI 분석을 할 수 있는 기반이 마련돼 있습니다.

---

728x90

영상 이해의 판을 바꾸는 기술

Gemini 2.5는 단순한 성능 향상을 넘어, 영상 이해의 실질적인 활용 가능성을 대중화하는 데 큰 기여를 하고 있습니다.

영상 콘텐츠를 바탕으로 학습 앱을 만들고, 인터랙티브 콘텐츠로 재구성하며, 원하는 시점을 찾아내고 설명까지 할 수 있는 AI 모델은 지금까지 존재하지 않았습니다.

이제 중요한 것은 상상력입니다.
이 기술로 어떤 교육 콘텐츠를 만들 수 있을까? 어떤 영상 앱을 자동으로 생성할 수 있을까? 어떤 영상 데이터를 정제하고 분석할 수 있을까?

Gemini 2.5는 개발자와 콘텐츠 제작자 모두에게 새로운 질문을 던지고 있습니다. 그리고 그 질문에 대한 답은, 이제부터 우리가 만들어갈 수 있습니다.

https://developers.googleblog.com/en/gemini-2-5-video-understanding/?fbclid=IwY2xjawKMZiJleHRuA2FlbQIxMQBicmlkETFRdmJrdGpiNDcxTEJKWVBnAR45YmRlRbEMdW6-xSkw_RLwY5szENoEShNTCCJnFvLPtARHrcPgtZEOuEJ43Q_aem_RN5KMjtj0-m4SmIUbzCrjw

Advancing the frontier of video understanding with Gemini 2.5- Google Developers Blog