Google Opal, 사진가가 배울 가치가 있는가?
> 기준일: 2026-07-22 · 대상: AI+Midjourney 사진가 · 제품은 빠르게 바뀌므로 수치와 UI는 기준일 이후 재확인해야 한다.
먼저 결론
Opal과 Nano Banana 2는 서로 다른 종류의 것이다. Nano Banana 2는 이미지를 생성·편집하는 Gemini 이미지 모델 계열이고, Opal은 프롬프트·모델·검색·도구·입력·출력을 여러 단계로 연결해 공유 가능한 AI 미니앱을 만드는 Google Labs의 노코드 제작 환경이다. 2025년 12월부터 Gemini 웹의 Gems 관리자에서도 실험적으로 Opal 미니앱을 만들 수 있고, 고급 편집은 opal.google에서 한다. 2026년 2월에는 목표에 따라 도구를 선택하고 질문하며 메모리와 분기까지 쓰는 Agent step이 추가됐다.Google의 Gems 발표Agent 발표
한 문장으로 말하면 Midjourney는 이미지 스튜디오, Nano Banana와 OpenAI Images는 대화형 이미지 모델, Opal은 그 앞뒤의 작업을 공정으로 만드는 작은 제작소다. 따라서 “Opal의 화질이 Midjourney보다 좋은가?”는 반쯤 잘못된 질문이다. Opal 결과의 미감과 해상도는 선택되거나 자동 라우팅된 생성 모델에 좌우되고, Opal의 고유 가치는 입력 양식, 프롬프트 단계, 검수, 재작성, 분기, 기억, 공유에 있다.
무엇을 비교해야 하나
Opal은 처음부터 “자연어와 시각 편집으로 프롬프트, 모델, 도구를 연결하는 실험적 미니앱”으로 공개됐다. 한국에는 2025년 10월 확장됐다.공식 소개한국 발표 이 문장을 기억하면 제품명을 둘러싼 혼동이 거의 사라진다.
조절성, 예술성, 클리셰
Opal의 조절성은 픽셀 조절성보다 프로세스 조절성이다. 예를 들어 “사진 3장과 브랜드 가이드를 받는다 → 시각 요소를 추출한다 → 상업사진 브리프를 만든다 → 세 방향의 프롬프트를 만든다 → 금지 클리셰 체크리스트로 비평한다 → 최종안을 출력한다”를 매번 같은 구조로 실행하게 할 수 있다. 이 일관된 구조는 강의, 스튜디오 보조, 고객 셀프 브리핑에서 강하다. 반면 seed, sampler, denoise, ControlNet 같은 하위 생성 파라미터를 직접 다루는 전문 노드 툴은 아니다.
예술성은 Opal 자체보다 호출 모델, 레퍼런스, 프롬프트, 큐레이션에 달렸다. Midjourney V8.1은 기본적으로 완성도 높은 이미지와 빠른 시각 탐색을 내주며 Raw, Personalization, Moodboards, Style/Image Prompt가 창작의 중심이다. V8.1은 2026년 6월 기본 버전이 됐고 표준 작업이 이전보다 약 4~5배 빠르며, SD 1024px/HD 2048px와 최대 14:1(SD), 4:1(HD)의 화면비를 지원한다.버전 문서 그 대신 프롬프트가 평범하면 영화적 역광, 과도한 보케, 중앙 대칭, 틸·오렌지, 매끈한 피부 같은 ‘멋진 평균’으로 수렴하기 쉽다.
Nano Banana 2는 장면의 의미 관계, 글자, 인포그래픽, 연속 편집, 여러 참조의 결합에 강하다. OpenAI Images는 긴 자연어 지시, 글자, 구체적 수정, 투명 배경과 대화적 협업이 강점이다. 둘 다 “정답을 잘 수행하는” 방향이 강해, 의도적으로 모순·불완전·비상업적 질감을 설계하지 않으면 광고 스톡 이미지 같은 안전한 평균으로 흐를 수 있다. 클리셰는 모델의 고질병이기도 하지만 브리프의 빈곤을 증폭한 결과이기도 하다.
사진가에게 추천하는 반클리셰 규칙은 다섯 가지다. 첫째 감정 형용사 대신 관찰 가능한 물리 조건을 쓴다. 둘째 ‘cinematic, stunning, masterpiece’를 지우고 광원의 크기·거리·방향과 표면 반사를 쓴다. 셋째 유명 작가 이름 대신 시대, 인화법, 필름 응답, 렌즈 결함, 프레이밍 규칙을 쓴다. 넷째 생성 전 “피해야 할 상투성 10개”를 모델이 먼저 쓰게 한다. 다섯째 4안 모두가 아니라 가장 덜 매끈하지만 긴장이 있는 한 안을 인간이 고른다.
화면비·참조 이미지·일관성: 정확히 어디까지인가?
Opal 자체에 보편적인 화면비나 참조 이미지 최대 장수라는 단일 사양은 없다. 어떤 모델을 어떤 step에서 쓰고, Gemini 앱·Opal UI·API 중 어느 표면을 이용하는지에 따라 달라진다. Opal에 “16:9” 입력란을 만들 수는 있지만 실제 준수 범위는 하위 모델과 현재 UI가 결정한다. 그러므로 강의자료에 “Opal은 참조 이미지를 N장까지”라고 고정해 쓰는 것은 위험하다.
Gemini API의 Nano Banana 계열은 1:1, 2:3, 3:2, 3:4, 4:3, 4:5, 5:4, 9:16, 16:9, 21:9를 문서화한다. Nano Banana 2는 0.5K~4K, Pro는 최대 4K를 지원한다. 공식 문서는 Nano Banana 2가 다중 참조와 일관성에 뛰어나다고 하지만, 모든 제품 UI에 공통인 “최대 N장”을 명시하지 않는다.이미지 가이드 Gemini 앱 도움말도 여러 이미지를 업로드할 수 있다고만 한다. 따라서 실무에서는 핵심 인물 1장, 의상/제품 1장, 공간 1장, 스타일 1장처럼 역할을 분리하고, 수업 당일 UI에서 한도를 확인하는 것이 정직하다.
Midjourney V8.1은 `--ar`로 폭넓은 비율을 직접 지정한다. 여러 Image Prompt와 Style Reference를 쓸 수 있으나 문서가 일괄 최대 장수를 제시하지 않는다. 인물·사물 정체성을 위한 Omni Reference는 현재 V7 전용이며 한 장만 가능하고 GPU 시간을 2배 쓰며 여러 편집 기능과 충돌한다.Omni 문서 즉 V8.1의 미감과 V7 Omni의 정체성 기능을 동시에 당연히 쓸 수 있다고 가르치면 안 된다.
OpenAI의 ChatGPT Images는 임의 화면비를 프롬프트하거나 picker로 재생성할 수 있다. 다만 API의 GPT Image 1.5 문서상 대표 출력 크기는 1024×1024, 1024×1536, 1536×1024다.ChatGPT 도움말 API와 ChatGPT 제품 UI를 한 사양처럼 말하지 않아야 한다. 여러 입력 이미지는 가능하지만 대화당 실효 개수는 크기·텍스트·요금제·당시 한도에 좌우되며 공식 도움말은 고정 최대치를 약속하지 않는다.
일관성도 세 종류로 나눠 평가한다. 인물 얼굴·제품 형상의 정체성 일관성, 프레임 간 조명·색·렌즈의 스타일 일관성, 수정 뒤 배경과 작은 요소가 보존되는 편집 일관성이다. Opal은 같은 질문과 평가 루브릭을 반복해 절차 일관성을 높이지만 픽셀 일관성을 보장하지 않는다. 현재는 Nano Banana 계열이 대화식 다중 이미지와 국소 수정, Midjourney가 시각적 룩과 변주, OpenAI가 지시 기반 편집에서 각각 유리한 경향이 있다. 중요한 납품은 10~20장 테스트셋으로 직접 성공률을 재야 한다.
비용
Opal은 기준일 현재 별도 유료 요금표가 공식적으로 공개된 독립 SaaS라기보다 Google Labs의 실험 기능이며, 접근은 Google 계정·지역·Gemini 플랜·사용량 제한의 영향을 받는다. “무료”라고 단정하기보다 별도 Opal 가격표 없음, 하위 서비스 쿼터와 정책은 변동이라고 안내하는 편이 안전하다.
Gemini Developer API 기준 Nano Banana 2는 표준 1K 약 $0.067, 2K $0.101, 4K $0.151; Lite 1K 약 $0.0336; Pro 1K/2K 약 $0.134, 4K $0.24다. 입력·텍스트·검색 grounding 비용이 별도일 수 있다.가격 문서 이는 Opal 화면에서의 과금표가 아니라 API 단가다.
OpenAI GPT Image 1.5 API는 문서상 정사각형 기준 low $0.009, medium $0.034, high $0.133이고 세로·가로 고품질은 각각 $0.20이다.모델 문서 ChatGPT 구독 사용량과 API 결제는 별도다.
Midjourney는 Basic/Standard/Pro/Mega가 월 $10/$30/$60/$120, 연 결제 환산 $8/$24/$48/$96이며 Standard 이상은 이미지 Relax 생성이 무제한이다. 비공개 Stealth는 Pro 이상이다.요금제 V8.1은 SD 작업 0.8 GPU분, HD 1.3 GPU분이라는 공식 기준이 있다. 환율·세금은 별도다.
잘하는 영역과 못하는 영역
Opal이 잘하는 것은 반복되는 창작 전후 업무다: 고객 브리프 정리, 레퍼런스 분석, 촬영 콘셉트 세 갈래 생성, 쇼트리스트, 프롬프트 변환, 캡션·alt text·SNS 규격별 카피, 납품 체크, 수강생용 단계형 실습, 브랜드 금칙어 검사, 이미지 생성 뒤 자기비평과 재생성 조건 분기. 링크 하나로 같은 입력 구조를 다른 사람에게 제공하는 것도 교육에서 강력하다.
못하는 것은 라이트룸·포토샵 수준의 색관리와 픽셀 편집, RAW 현상, 정확한 마스킹, ICC/CMYK 교정, 법적 권리 확인, 완벽한 얼굴·제품 보존, 결정적 재현성, 대규모 프로덕션의 버전관리·관측성이다. 외부 서비스 연결, 데이터 저장, 인증, SLA가 필요한 업무는 코드와 전문 자동화 플랫폼이 낫다. Agent step은 편리하지만 경로를 스스로 고르는 만큼 고정 step보다 결과가 덜 예측 가능하고 비용·출처·재현성 감사가 어려워질 수 있다.
사진가가 Midjourney 외에 알아야 하는 이유
사진가는 이미지를 만드는 사람인 동시에 의뢰를 번역하고 선택 기준을 설계하는 사람이다. Midjourney만 쓰면 한 장의 매혹적인 결과를 얻는 능력은 늘지만, Opal은 그 결과가 나오기 전후의 사고를 자산으로 만든다. “내가 좋은 결과를 고르는 암묵지”를 질문, 분기, 체크리스트, 예시로 외부화할 수 있다. 이는 어시스턴트 교육, 반복 고객, 워크숍, 견적 전 사전진단, 포트폴리오 상담 도구로 전환된다.
또 하나의 이유는 모델 교체 가능성이다. 특정 모델의 미감은 금방 평준화되고 버전이 바뀐다. 반면 좋은 브리프 구조, 평가 루브릭, 저작권·초상권 확인, 실패 시 재질문하는 공정은 오래 남는다. Opal을 배우는 핵심은 Google 제품 숙련이 아니라 창작 절차를 계산 가능한 단계로 설계하는 법이다.
하지만 모든 사진가가 상시 써야 하는 것은 아니다. 월 2~3회 개인 작품을 만들고 과정이 매번 다르다면 Opal 제작 시간이 이득을 넘을 수 있다. 반대로 같은 유형의 광고 시안, 강의 피드백, 고객 온보딩을 월 10회 이상 반복한다면 작은 Opal 하나가 프롬프트 복붙과 설명 시간을 크게 줄일 가능성이 높다.
권장 강의: 총 6시간
AI와 Midjourney 경험자가 대상이라면 3시간 입문 + 3시간 제작 실습, 또는 하루 6시간이 적당하다. 단순 소개는 2시간에도 가능하지만, 공유 가능한 미니앱을 만들고 실패를 고치는 데는 6시간이 최소 실전 단위다. 업무 자동화까지 깊게 다루려면 9시간(3시간×3회)을 권한다.
1부 0:00–0:45 — 지도 그리기
Opal/Gems/Gemini/Nano Banana의 층위를 설명한다. 같은 브리프를 Midjourney V8.1, Gemini, OpenAI Images에 넣어 결과를 비교하되 ‘예쁜 순위’가 아니라 지시 준수, 텍스트, 정체성, 룩, 편집 보존, 시간, 비용으로 채점한다.
2부 0:45–1:45 — 첫 Opal 해부와 리믹스
갤러리 예제를 복제하고 Input–Generate–Output 흐름을 읽는다. 자연어로 앱을 만들고 Advanced Editor에서 prompt step을 직접 고친다. 실패를 일부러 만들어 입력 검증과 출력 형식을 추가한다.
3부 1:45–3:00 — 사진가용 ‘브리프 번역기’
사용자가 제품 사진, 타깃, 매체, 금지 요소를 입력하면 ①시각 분석 ②촬영 콘셉트 3안 ③렌즈·광원·세트 제안 ④Midjourney/Gemini/OpenAI용 프롬프트 ⑤클리셰 경고를 내는 앱을 만든다. 결과는 생성 이미지가 아니라 더 나은 의사결정 문서여도 성공이라는 점을 가르친다.
4부 3:00–4:00 — 이미지 워크플로와 참조 설계
참조마다 identity/style/composition/material 역할을 붙인다. 같은 인물과 제품으로 1:1, 4:5, 16:9를 시험하고 크롭이 아니라 재구성인지 확인한다. 얼굴, 손, 로고, 작은 글자, 반사면을 확대 검수한다.
5부 4:00–5:00 — Agent, 분기, 메모리와 안전장치
정보 부족 시 질문하기, 개인 작업과 상업 작업을 분기하기, 브랜드 선호를 기억하기를 실습한다. 동시에 개인정보·미공개 제품·고객 사진 업로드 동의, 잘못된 검색 정보, 프롬프트 인젝션, 공유 링크 권한을 점검한다. 고정 산출물이 필요한 경우 Agent 대신 fixed steps를 택한다.
6부 5:00–6:00 — 비교평가와 발표
각자 앱을 다른 수강생에게 넘겨 처음 보는 입력으로 테스트한다. 성공률, 수정 횟수, 소요 시간, 클리셰 비율, 참조 보존, 사람이 최종 결정해야 한 항목을 기록한다. 마지막 15분에는 ‘사용/보류/폐기’ 결정을 근거와 함께 발표한다.
수강 결과물은 Opal 링크 1개, 워크플로 다이어그램, 테스트 케이스 5개, 모델별 출력 비교표, 개인정보·권리 체크리스트다. 강사는 모델 시연보다 평가 루브릭과 실패 분석에 시간을 더 써야 한다.
최종 판단
배울 가치는 있다. 단, “새 이미지 앱 하나 더”로 배우면 가치가 낮고, “나의 반복 가능한 창작 판단을 미니앱으로 만드는 법”으로 배우면 가치가 높다. Midjourney 중심 사진가에게 권장 우선순위는 ①Midjourney에서 룩 탐색 ②Gemini/OpenAI에서 의미·텍스트·국소 수정 ③Opal에서 브리프·분기·검수·공유를 묶기다.
필자의 평가는 Opal 6.5/10(독립 이미지 도구로는 3/10, 워크플로 교육 도구로는 8/10)이다. 지금은 실험성, 불투명한 모델 라우팅, 정밀 제어와 운영 기능 부족 때문에 메인 프로덕션 시스템으로 과신하면 안 된다. 그러나 Agent, memory, dynamic routing, interactive chat의 발전 방향은 명확하다. 장기적으로는 “프롬프트를 잘 쓰는 사람”보다 “여러 모델을 평가하고 적절한 단계로 묶는 사람”의 가치가 커질 가능성이 높고, Opal은 그 사고를 가장 낮은 진입장벽으로 연습하는 도구 중 하나다.
