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.

• Ассистент редактирует исходные видео по текстовым подсказкам: обрезает лишние паузы, меняет порядок сцен «для улучшения темпа»
• Пример цепочки команд из разговорного монтажа: «Собери первый черновик» → «Убери паузы» → «Сделай начало динамичнее» → «Переставь эти куски» → «Синхронизируй монтаж с битом» → «Добавь текстовый hook»
• После автосборки черновика автор может вручную доработать материал в обычном таймлайне и снова передать его модели — это гибридный монтаж «человек + модель», а не «чёрный ящик»
• Инструмент умеет генерировать обложки в стиле канала
• YouTube Studio получит функцию просмотра раннего монтажа с персональными советами по темпу, структуре и сторителлингу
• Появится A/B-тестированиеi не только заголовков, но и других элементов видео
• Модель Astra (собственная разработка автора канала) на аудио на входе галлюцинирует и фактически принимает только текст и картинки, в отличие от Gemini