유튜브 영상 요약만 놓고 보면 제미나이가 손이 가장 덜 간다. 확장 프로그램을 깔 필요도, 자막을 따로 긁어올 필요도 없다. 같은 링크를 챗GPT 창에 넣었을 때 왜 다른 결과가 나오는지는 중간 표에서 갈린다.
- 제미나이는 자막 텍스트만 읽는 게 아니라 음성과 화면을 함께 처리하는 구조라, 자막 버튼이 꺼진 영상에서도 요약이 나온다.
- 챗GPT와 클로드는 링크를 주면 영상 자체가 아니라 페이지 정보나 웹 검색 결과를 근거로 답하는 경우가 생긴다.
- 무료 요금제로도 하루 몇 개 정도의 요약은 대체로 걸리지 않고, 막히는 지점은 영상 길이와 상위 모델 사용량 쪽이다.
영상이 텍스트보다 무거워진 시점
검색의 무게중심이 글에서 영상으로 넘어간 건 오래된 흐름이다. 공유기 설정, 가전 리뷰, 세금 신고 절차까지 텍스트 문서보다 영상이 먼저 걸리는 주제가 계속 늘었다. 정보량 자체는 오히려 영상 쪽이 많다.
문제는 영상이 훑어보기에 최악의 형식이라는 점이다. 글은 스크롤 두 번이면 필요한 문단으로 건너뛴다. 25분짜리 영상에서 원하는 40초를 찾으려면 타임라인을 여러 번 긁어야 하고, 챕터를 꼼꼼히 달아두는 채널은 생각보다 적다.
그래서 영상 요약 도구가 한꺼번에 쏟아졌다. 브라우저 확장, 요약 전용 웹사이트, 링크를 넣으면 정리해 주는 봇까지 종류는 많지만 내부 동작은 대개 하나로 수렴한다. 유튜브에서 자막 파일을 가져와 텍스트로 바꾼 뒤 언어 모델에 넣는 방식이다. 이 구조는 자막이 없으면 그 자리에서 멈춘다.
자막이 없어도 요약이 나오는 구조
제미나이가 다른 지점이 여기다. 영상에서 뽑아낼 수 있는 재료는 세 층으로 나뉜다. 채널이 직접 올린 자막 파일, 플랫폼이 음성을 인식해 만들어 둔 자동 자막 트랙, 그리고 화면에 보이는 영상과 오디오 신호 자체다. 자막 파일은 가장 빠른 길일 뿐 유일한 길이 아니다.
구글은 유튜브를 직접 운영하는 쪽이라 두 번째 층에 접근하는 경로가 짧다. 여기에 제미나이 계열 모델은 텍스트만 받는 모델이 아니라 이미지와 오디오를 입력으로 처리하도록 설계된 멀티모달 모델이다. 말로 설명하지 않고 화면에만 띄운 수치나, 자막 없이 진행되는 시연 장면도 요약 대상이 될 여지가 생긴다.
자막 버튼이 안 보이면 요약도 안 된다고 알고 있는 경우가 많은데, 화면에 노출되는 자막 버튼과 내부 음성 인식 결과는 별개다. 버튼이 꺼져 있어도 요약이 나오는 이유가 여기 있다. 반대로 자막이 멀쩡히 붙어 있는데 요약이 엉성하다면 원인은 자막이 아니라 영상 길이나 화면 정보 비중 쪽일 확률이 높다.
자막에 덜 의존한다는 건 외국어 영상에서도 체감된다. 한국어 자막이 없는 해외 채널 영상도 한국어로 정리를 요청할 수 있다. 번역 자막을 켜고 다시 요약 도구에 넣는 단계가 통째로 빠진다.
링크를 넘기는 세 가지 경로
입력 방법은 상황에 따라 갈린다. PC에서 자료를 모으는 중이라면 첫 번째, 침대에서 영상을 보다 판단이 필요하면 두 번째가 빠르다.
- 제미나이 대화창에 유튜브 주소를 붙여넣고, 그 뒤에 원하는 작업을 한 줄 덧붙인다.
- 모바일 유튜브 앱에서 공유 버튼을 누르고 공유 대상 목록에서 제미나이를 고른다.
- 안드로이드 기기에서 어시스턴트를 불러 화면 속 영상을 그대로 넘긴다. 이 경로는 기기와 소프트웨어 버전에 따라 지원 여부가 갈린다.
어느 경로든 공개 영상이어야 한다. 비공개 영상, 멤버십 전용, 로그인 상태를 요구하는 영상은 링크를 넘겨도 접근하지 못한다. 라이브 중계처럼 아직 끝나지 않은 영상도 마찬가지다.
공유 목록에 제미나이가 아예 안 보인다는 이야기도 자주 나온다. 앱이 설치돼 있지 않거나, 회사·학교에서 받은 계정이라 관리자 정책에 막혀 있거나, 계정의 언어·지역 설정이 지원 범위 밖인 경우가 대부분이다. 개인 구글 계정으로 바꿔 로그인하면 바로 뜨는 사례가 흔하니 공유 시트만 뒤지지 말고 로그인한 계정부터 확인하는 편이 빠르다.
흔한 실패는 링크만 던지는 습관에서 나온다. 주소만 넣으면 무난한 개요가 돌아오는데, 정작 알고 싶던 한 대목은 “여러 내용을 다룬다” 정도로 뭉개진 채 지나간다. 링크 뒤에 붙이는 한 줄이 결과의 절반을 결정한다.
요약 말고 시켜볼 만한 작업들
요약이라는 단어에 갇히면 쓸 수 있는 범위가 좁아진다. 예를 들어 40분짜리 그래픽카드 리뷰라면 “소음, 온도, 가격 언급만 뽑아서 항목별로”라고 요청하는 쪽이 전체 요약보다 쓸모 있다. 나머지 35분은 볼 필요가 없어진다.
90분짜리 강의 영상은 목차를 만드는 데 쓴다. “주제가 바뀌는 지점마다 타임스탬프와 소제목을 붙여 목록으로”라고 시키면 영상 위에 검색 가능한 뼈대가 생긴다. 이후에는 필요한 구간 번호를 대고 그 부분만 자세히 풀어달라고 이어가면 된다.
같은 주제의 영상 세 개를 차례로 넣고 의견이 갈리는 지점만 대조하는 방식도 있다. 제품 구매 조사나 논쟁적인 이슈를 볼 때 특히 효율이 좋다. 한 영상의 주장과 다른 영상의 반박을 나란히 놓으면 어느 쪽이 근거를 대고 있는지가 빨리 드러난다.
챗GPT나 클로드로는 왜 안 되나?
챗GPT에 유튜브 주소를 넣으면 대개 웹 검색 기능이 작동한다. 그런데 유튜브 페이지에서 바로 읽히는 건 제목, 채널명, 설명란, 일부 댓글 정도다. 영상 본문에 해당하는 말은 그 페이지 텍스트에 없다. 이 상태에서 요약을 요구하면 제목과 설명란, 검색으로 찾은 관련 글을 재료 삼아 그럴듯한 문장이 만들어질 수 있다. 영상에 나오지 않은 내용이 섞이는 게 이 지점이다.
클로드는 링크 열람 자체가 제한적이다. 대신 자막 텍스트를 직접 붙여넣었을 때의 장문 처리력은 강한 편이라, 한 시간짜리 강의 스크립트를 통째로 넣고 구조를 잡게 하는 용도로는 잘 맞는다. 즉 세 도구의 차이는 지능 차이라기보다 영상이라는 입력을 어디까지 받아주느냐의 차이에 가깝다.
| 상황 | 제미나이 | 챗GPT | 클로드 |
|---|---|---|---|
| 링크만 붙여넣기 | 바로 처리 | 페이지 정보 위주로 답할 수 있음 | 대체로 막힘 |
| 자막 없는 영상 | 음성·화면으로 처리 가능 | 근거 부족 | 불가 |
| 자막을 직접 붙여넣을 때 | 양호 | 양호 | 장문에서 강함 |
| 화면에만 나오는 수치 | 잡을 여지 있음 | 어려움 | 어려움 |
| 추가 질문 이어가기 | 같은 창에서 연결 | 재검색이 섞임 | 붙여넣은 범위 안에서만 |
| 손이 덜 가는 쪽 | 링크 한 줄 | 중간 | 준비 작업 필요 |
관련: 앤트로픽 IPO 11월 연기, 속도조절론 때문이 아니다
제미나이 쪽이 유리한 이유 일곱 가지
- 확장 프로그램이나 별도 사이트 없이 링크 한 줄로 끝난다.
- 자막 유무에 결과가 덜 흔들린다.
- 유튜브를 운영하는 회사의 모델이라 영상에 닿는 경로가 짧다.
- 모바일 공유 버튼으로 앱을 떠나지 않고 넘길 수 있다.
- 긴 영상에서 앞부분만 읽고 마는 현상이 덜하다.
- 말로 하지 않고 화면에만 띄운 정보까지 대상이 된다.
- 요약 뒤 후속 질문을 같은 대화에서 이어가 구간별로 파고들 수 있다.
반대로 말하면 자막이 잘 정리된 짧은 영상 하나만 요약할 때는 어떤 도구를 쓰든 결과가 비슷하다. 차이는 자막이 없거나, 영상이 길거나, 요약 이후 작업이 이어질 때 벌어진다.
무료와 유료가 갈리는 지점
유튜브 요약 자체는 무료 계정에서도 된다. 하루에 몇 개까지 가능한지를 궁금해하는 경우가 많은데, 구글은 무료 사용자 한도를 “하루 몇 회”라는 단일 숫자로 공지하기보다 모델 등급과 기능별 사용량으로 나눠 관리한다. 숫자를 외우기보다 어디서 막히는지를 아는 편이 실용적이다.
10분 내외 영상을 기본 모델로 요약하는 작업은 부담이 작은 편이라, 하루 다섯에서 열 개 수준의 일상적인 사용에서 한도 안내가 뜨는 경우는 드물다. 걸리는 쪽은 추론 성능이 높은 상위 모델을 지정해 한 시간짜리 영상을 연속으로 돌릴 때다. 이때는 한도 안내가 뜨고 일정 시간이 지나야 풀리거나, 하위 모델로 내려간 상태로 계속 쓰게 된다.
유료 구독의 값어치는 요약 횟수보다 상위 모델을 얼마나 오래 붙들 수 있느냐에서 나온다. 하루 두세 개 영상을 판단용으로 넘기는 정도라면 무료로 충분하다는 게 내 판단이다. 회의 녹화나 강의를 매일 열 개 이상 정리하는 업무 패턴이라면 상위 모델 한도가 곧 작업 속도가 된다.
긴 영상일수록 뒤쪽이 성겨지는 이유
30분을 넘어가는 영상을 몇 번 넣어보면 요약 밀도가 앞뒤로 다르다는 걸 알게 된다. 도입부 10분은 발언 하나하나까지 잡아내는데, 끝나갈 무렵 내용은 한두 줄로 뭉뚱그려지는 식이다. 도구를 잘못 고른 탓이 아니라 영상이라는 입력이 원래 무거워서 생기는 현상에 가깝다.
모델 입장에서 텍스트 한 페이지와 영상 1분은 같은 무게가 아니다. 음성을 문자로 바꾼 흐름에 더해 화면을 일정 간격으로 잘라낸 장면들까지 함께 들어간다. 한 시간짜리라면 이 재료가 통째로 쌓이는데, 한 번에 다룰 수 있는 양에는 상한이 있다. 상한에 가까워질수록 전체를 고르게 훑기보다 앞쪽 맥락에 무게가 쏠린다.
잘렸는지 알아내는 방법은 간단하다. 요약에 타임스탬프를 붙여 달라고 한 뒤 마지막 항목의 시간과 영상 총 길이를 나란히 놓아 보면 된다. 1시간 20분짜리인데 마지막 항목이 50분대에서 끝나 있다면 뒤쪽 30분은 제대로 반영되지 않았다고 보는 쪽이 안전하다.
대응은 나눠 넣기다. 전반부와 후반부를 각각 따로 요청하고 마지막에 두 결과를 합치게 하면 뒤쪽 밀도가 확연히 올라간다. 팟캐스트나 대담처럼 결론이 끝에 몰리는 형식이라면 순서를 뒤집어 끝 구간부터 먼저 받아보는 방법도 잘 통한다.
요약이 틀렸다면 프롬프트 어디를 고쳐야 하나?
결과가 어긋났을 때 “더 자세히”를 반복하는 게 가장 흔한 대응이자 가장 효과가 없는 대응이다. 길이만 늘어나고 정확도는 그대로다. 고쳐야 할 건 분량이 아니라 범위와 근거다.
- 시간으로 범위를 자른다. “12분부터 20분 구간만” 같은 지정은 모델이 훑어야 할 영역을 좁힌다.
- 출력 형태를 정한다. 항목 다섯 개, 표, 문장 세 개처럼 형식을 박으면 내용이 균일해진다.
- 근거 위치를 요구한다. 항목마다 타임스탬프를 붙이라고 하면 검증할 수 있고, 시간을 못 대는 항목은 추측일 가능성이 높다.
- 추측을 차단한다. “영상에서 언급되지 않은 내용은 없다고 쓸 것”이라는 한 줄이 상당히 잘 듣는다.
- 외부 지식을 끊는다. “일반적인 설명 말고 이 영상 안의 발언만”이라고 못 박는다.
그래도 계속 어긋난다면 영상 자체가 요약에 불리한 유형일 수 있다. 화자가 여러 명이고 말이 겹치는 좌담, 배경음악이 큰 브이로그, 자막 없이 화면 텍스트로만 진행되는 영상이 대표적이다.
이 기능이 못 하는 일
한계는 분명하다. 라이브 중계, 비공개 영상, 연령 제한이 걸린 영상은 접근 자체가 막힌다. 화면에 1~2초만 스쳐 지나가는 코드나 표를 정확히 옮겨 적는 작업도 신뢰하기 어렵다. 숫자 하나가 바뀌면 의미가 달라지는 자료라면 원본 확인이 필요하다.
화자 구분도 약한 편이다. 세 사람이 토론하는 영상에서 누가 어떤 주장을 했는지 뒤섞이는 일이 생긴다. 인용문을 그대로 원고나 보고서에 옮겨야 하는 사람에게는 이 기능만 믿는 방식을 권하지 않는다.
그런 경우 쓸 만한 대안은 두 가지다. 요약에서 타임스탬프를 받아 해당 구간만 직접 듣고 인용하는 방법, 또는 자막 텍스트를 확보해 장문 처리에 강한 모델에 통째로 넣고 문장 단위로 다루는 방법이다. 요약은 지도이지 원본이 아니라는 전제만 지키면 실수가 크게 줄어든다.
이런 사람은 이렇게
영상을 끝까지 볼지 말지만 판단하려는 경우라면 여기까지만 봐도 된다. 링크 뒤에 “결론 포함 3줄 요약”만 붙이면 30초 안에 판단이 선다. 이 용도에는 무료 계정으로 충분하고 프롬프트를 다듬을 일도 거의 없다.
강의나 업무 자료로 정리해야 하는 쪽이라면 앞의 프롬프트 순서가 핵심이다. 타임스탬프 목차를 먼저 받고, 필요한 구간만 번호로 지정해 깊게 파는 2단계 방식이 결과 편차를 가장 크게 줄인다. 여러 영상을 비교하는 리서치라면 개별 요약을 각각 받은 뒤 마지막에 대조표를 요청하는 순서가 낫다.
다음에 볼 것은 이 기능이 별도 앱이 아니라 검색 결과나 유튜브 화면 안으로 들어오는 흐름이다. 영상 아래에 요약이 기본으로 붙는 날이 오면, 지금 우리가 영상을 고르는 기준도 같이 바뀌지 않을까?
