YouTube представил ИИ-ассистента для редактирования видео и Shorts, который работает через текстовые (голосовые) команды: убирает лишние паузы, переставляет сцены «для улучшения темпа» и генерирует обложки в стиле канала. Инструмент превращает монтаж в диалог с моделью — пользователь загружает исходники в Shorts или YouTube Createi и просит собрать черновик, а не двигает таймлайн руками.
По данным канала «Метаверсище и ИИще», в основе фичи лежит Gemini Omnii — модель, которая, в отличие от большинства конкурентов, реально понимает не только текст и картинки, но и аудио на входе. Автор уточняет, что ранее ошибочно называл мультимодальными многие модели (включая DeepSeek, Kimi и собственную Astra), хотя они принимают только текст и картинки; по-настоящему мультимодальными на аудио остаются Gemini и новый Qwen Omni.