Unzensierte KI · Video · Tencent ARC Lab
Unzensiertes Looking Ahead KI-Videomodell: physikalisch stimmige Bewegung aus einem einzigen Bild
Looking Ahead ist das autoregressive Videomodell mit offenen Gewichten, das Tencent ARC Lab, die Universität Nanjing und die Universität Zhejiang am 21. Oktober 2026 veröffentlicht haben. Der Kniff ist eine Trainingsmethode namens Future Chunk Prediction (FCP), die dem Modell beibringt, wie sich eine Szene weiterentwickelt, statt einfach die letzten Frames zu kopieren. Dieser Leitfaden erklärt, was das Modell kann, welchen Checkpoint du wählen solltest, wie du es ausführst, wie du Prompts formulierst und ob es ein unzensiertes Looking Ahead gibt. Um sofort dein eigenes Erwachsenenfoto zu animieren, nutze den unzensierten Videogenerator unten.
- Kostenlos starten
- Keine Filter
- Im Browser

Looking Ahead auf einen Blick
- Veröffentlicht von
- Universität Nanjing, Tencent ARC Lab, Universität Zhejiang
- Veröffentlichung
- Code und Gewichte am 21. Oktober 2026; arXiv 2610.29989
- Methode
- Future Chunk Prediction (nur im Training)
- Checkpoints
- 1.3B und 5B, jeweils als FCP und TF-Baseline
- Aufgaben
- Bild zu Video und Videofortsetzung
- Standardclip
- 5 Sekunden; 768×432 bei 16 fps oder 1024×576 bei 24 fps
- Offene Gewichte
- Ja, Apache-2.0
- Unzensierte Version?
- Bisher keine gefunden
Looking Ahead unzensierter Videogenerator (alternative Option)
Bild zu VideoLade ein Foto hoch und beschreibe die Bewegung — Spicy AI macht daraus einen kurzen Clip.
Prompt ausprobieren
Die Beispiel-Prompts sind auf Englisch, das liefert die zuverlässigsten Ergebnisse.
Wer Looking Ahead entwickelt hat und was es wirklich ist
Looking Ahead ist die erste Veröffentlichung einer neuen Video-Forschungslinie von Tencent ARC Lab und seinen akademischen Partnern, erschienen als Paper "Looking Ahead: Modeling Future Evolution in Autoregressive Video Generation". Die Autoren sind Ruopeng Gao, Yukun Huang (Projektleitung), Jiarui Hu, Shuai Wang, Wenbo Hu, Ying Shan und Limin Wang (korrespondierender Autor). Es ist keine kommerzielle App: Es gibt keine Produktseite, kein Abo und keinen gehosteten Endpunkt. Das Team veröffentlicht die Arbeit als Gesamtpaket – ein Paper, ein GitHub-Repository und vier Checkpoints auf Hugging Face – und du führst sie selbst aus. Die 1.3B-Checkpoints basieren auf Wan2.1-T2V-1.3B, die 5B-Checkpoints auf Wan2.2-TI2V-5B. Die Veröffentlichung ist daher am besten als verfeinertes Trainingsrezept für Alibabas offene Wan-Basismodelle zu verstehen, nicht als völlig neue Architektur.
Warum Menschen nach unzensiertem Looking Ahead suchen
Offene Gewichte ohne gehosteten Dienst bedeuten, dass keine Moderationsebene einer Plattform zwischen dir und dem Modell steht. Erwachsenen-Creator fragen sich daher natürlich, ob es ein unzensiertes Videomodell ist. Die ehrliche Antwort ist gemischt. Die Gewichte lassen sich kostenlos lokal ausführen, und die Modellkarte nennt keine zusätzliche Inhaltsrichtlinie. Die Trainingsdaten sind jedoch allgemeines reales Filmmaterial, und bisher hat niemand ein unzensiertes Looking Ahead-Fine-Tune, LoRA oder einen quantisierten Build veröffentlicht. NSFW-LoRAs für Wan 2.2 gibt es zwar, doch niemand hat gezeigt, dass sie sich in die FCP-Checkpoints laden lassen. Wenn du heute unzensierte Bewegung aus einem Erwachsenenfoto willst, ohne 60 GB herunterzuladen, erledigt das der Generator auf dieser Seite direkt im Browser.
Spar dir die GPU-Einrichtung: Lade ein Erwachsenenfoto hoch und beschreibe die gewünschte Bewegung – ohne Inhaltsfilter für einwilligende Erwachsene.
Unzensiertes Bild-zu-Video testen →Die Abkürzung, die Looking Ahead verhindern soll
Autoregressive Videomodelle erzeugen einen Clip Chunk für Chunk. Beim üblichen Teacher-Forcing-Training sieht das Modell echte vorherige Frames und muss nur den nächsten Chunk entrauschen. Weil benachbarte Chunks fast identisch aussehen, kann das Modell gut abschneiden, indem es Farben und Bewegung aus den letzten Frames fortschreibt, ohne zu lernen, was physikalisch als Nächstes passieren sollte. Das Paper nennt das eine Abkürzung, die durch zeitliche Redundanz entsteht. FCP versperrt diesen bequemen Weg: Aus den Features des aktuellen Chunks müssen zusätzliche Heads weiter entfernte Chunks vorhersagen – beim 5B-Modell ein bis fünf Schritte voraus –, ohne die Frames dazwischen zu sehen. Die Projektseite zeigt den Effekt an Dominosteinen, die weiter der Reihe nach fallen, und an schmelzendem Eis, das den Wasserstand steigen lässt – Fälle, in denen die Baseline abdriftet.
Future Chunk Prediction in fünf Designentscheidungen
Das FCP-Rezept ist klein, aber durchdacht, und hinter jeder Entscheidung steht eine Ablation im Paper. Diese Punkte sind wichtig, wenn du die Arbeit reproduzieren oder erweitern willst:
- Parallele Heads statt einer Kette: Jeder zukünftige Offset hat einen eigenen Prädiktor, der auf denselben Features des aktuellen Chunks basiert. Bei 5B erreichten fünf parallele Offsets 33.8 auf Physics-IQ, während eine verkettete Variante mit fünf Offsets auf 31.0 fiel.
- Nur der aktuelle Chunk: Die Prädiktoren sehen den aktuellen Chunk, nicht die gesamte Historie. Laut den Autoren ist das bei gleicher Qualität günstiger als Designs mit vollem Kontext.
- Zwei Supervisionsquellen: Verluste für die Zukunftsvorhersage werden sowohl auf saubere Kontext-Latents als auch auf verrauschte aktuelle Latents angewendet; zusammen bringen sie 3.3 Punkte in der 1.3B-Ablation.
- Kein Text in den Hilfs-Heads: Text-Conditioning für die Prädiktoren senkte den Score um 1.1, weil Bildbeschreibungen verraten können, was später passiert.
- Kein Mehraufwand bei der Inferenz: Alle FCP-Module werden nach dem Training verworfen, sodass ein trainierter Checkpoint genau wie ein normales autoregressives Modell sampelt.
Looking Ahead 1.3B vs. 5B: Welchen Checkpoint herunterladen?
Das Hugging Face-Repository enthält vier model_ema.pt-Dateien: je einen FCP-Checkpoint und eine Teacher-Forcing-Baseline (TF) pro Größe, zusammen etwa 63.2 GiB. FCP-Dateien sind größer als TF-Dateien, weil sie noch die nur im Training genutzten Heads enthalten; der Loader filtert diese Tensoren heraus, du brauchst aber trotzdem den Speicherplatz und genug CPU-Arbeitsspeicher, um die Datei einzulesen. Außerdem benötigst du die passenden Wan-Basisgewichte, den T5-Encoder und das VAE. Für die meisten ist der 1.3B-FCP-Checkpoint der richtige Einstieg; der 5B-FCP-Checkpoint lohnt sich, wenn du eine große GPU hast und die zentralen Ergebnisse des Papers willst.
| 1.3B | 5B | |
|---|---|---|
| Basismodell | Wan2.1-T2V-1.3B | Wan2.2-TI2V-5B |
| Ausgabe | 768×432, 16 fps | 1024×576, 24 fps |
| FCP-Datei | ≈ 8.01 GB | ≈ 34.20 GB |
| TF-Baseline-Datei | ≈ 5.68 GB | ≈ 20.00 GB |
| Zukünftige Offsets im Training | 1–3 | 1–5 |
| Physics-IQ (TF → FCP) | 27.6 → 30.9 | 30.4 → 33.8 |
Dateigrößen laut Hugging Face-API; Scores aus Tabelle 2 des Papers (Bild zu Video).

Wie viel besser ist es? Die Benchmarks richtig lesen
Der faire Vergleich ist der kontrollierte, bei dem dieselbe Wan2.2-TI2V-5B-Basis mit denselben Daten und demselben Zeitplan einmal mit und einmal ohne FCP trainiert wird. Dort steigt Physics-IQ bei Bild zu Video von 30.4 auf 33.8 und bei der Videofortsetzung von 40.6 auf 44.4. In anderen Bereichen fallen die Zuwächse kleiner aus. In einer modellübergreifenden Tabelle liegt der 5B-Checkpoint außerdem knapp vor Wan2.2-14B (32.2), HunyuanVideo-1.5 (33.4) und Sora 2 (26.5) und hinter Grok Imagine Video (34.8), doch die Autoren weisen darauf hin, dass sich diese Modelle in Daten und Setup unterscheiden. Ästhetik, lange Clips, Audio und menschliche Präferenz wurden nicht bewertet. Verstehe das Ergebnis daher als Gewinn an physikalischer Plausibilität, nicht als umfassenden Qualitätssprung.
| Benchmark (5B) | TF-Baseline | FCP |
|---|---|---|
| Physics-IQ, Bild zu Video | 30.4 | 33.8 |
| Physics-IQ, Video zu Video | 40.6 | 44.4 |
| WorldModelBench | 7.22 | 7.64 |
| PAI-Bench-G | 81.13 | 82.38 |
| PhyGround | 2.75 | 2.80 |
Looking Ahead vs. die Wan 2.2-Basis, auf der es aufbaut
Verglichen mit dem reinen Wan2.2-TI2V-5B behält der 5B-FCP-Checkpoint dasselbe Backbone, ändert aber drei Dinge, die dir auffallen werden. Er braucht eine visuelle Vorgabe: Selbst Configs mit T2V im Namen laufen nicht nur mit Text, es ist also ein Modell für Bild zu Video und Fortsetzung. Er rendert in 1024×576 bei 24 fps statt in Wans nativen 1280×704. Und er generiert autoregressiv in Chunks, weshalb die Videofortsetzung eine vollwertige Aufgabe ist. Dafür verzichtest du auf Wans Ökosystem: Es gibt noch keine offiziellen ComfyUI- oder Diffusers-Nodes, keinen LoRA-Loader und keine GGUF- oder FP8-Builds.
Looking Ahead lokal ausführen: Download, VRAM und erster Clip
Das Team hat den Code nur unter Linux mit einer NVIDIA H200, Python 3.12, PyTorch 2.10 und CUDA 12.8 getestet; Windows-Unterstützung ist ein offenes Issue. Ein VRAM-Minimum wurde nicht veröffentlicht. Als grobe Orientierung: Die Wan2.1-1.3B-Basis wird mit etwa 8 GB angegeben und Wan2.2 5B mit 24 GB inklusive Offloading, und der Code lagert den T5-Encoder von der GPU aus, wenn weniger als 40 GB frei sind. Ob eine 24-GB-Karte das 5B-Modell schafft, ist jedoch nicht verifiziert. Der grundlegende Ablauf:
- Mit uv installieren (uv sync --python 3.12) und FFmpeg hinzufügen.
- Die Basis herunterladen, zum Beispiel hf download Wan-AI/Wan2.1-T2V-1.3B, dann hf download TencentARC/Looking-Ahead, und alle vier Unterordner behalten.
- Bild zu Video: inference.py mit --config fcp_wan21_t2v_1.3b, dem Checkpoint-Pfad, --use_ema, --image_path, einer --prompt_file und --duration 5s ausführen.
- Videofortsetzung: --image_path durch --video_path ersetzen und --sink 3 hinzufügen; standardmäßig wird das Ende deines Clips zum Kontext.
- Denk daran, dass --duration den Kontext einschließt: Ein 5-Sekunden-Clip mit 5B besteht aus 25 Kontext-Frames plus 95 neuen Frames.
- Eingaben werden skaliert und mittig zugeschnitten, halte das Motiv also von den Rändern fern. ComfyUI wird noch nicht unterstützt.

Prompts für Looking Ahead mit glaubwürdiger Bewegung
Da das Bild den Look bereits festlegt, soll der Prompt beschreiben, was sich in fünf Sekunden verändert. Das Modell wurde darauf trainiert, Ursache und Wirkung vorwegzunehmen, daher spielen Prompts, die ein klares physikalisches Ereignis benennen, seine Stärke aus. Die offiziellen Beispiele sind auf Englisch; andere Sprachen sind ungetestet. Eine einfache Formel lautet: Motiv + Aktion + physikalische Folge + Kamera. Vorlagen zum Kopieren und Anpassen:
- Ursache und Wirkung: "Das [Objekt] kippt über die Kante der [Oberfläche], fällt und [Ergebnis], die Kamera bleibt ruhig."
- Flüssigkeiten: "[Flüssigkeit] fließt aus dem [Behälter] in ein Glas, der Pegel steigt gleichmäßig und oben bildet sich Schaum, Nahaufnahme."
- Fortsetzung: "Setze die Szene fort: [Motiv] macht weiter mit [aktuelle Aktion] und dann [nächste Aktion], gleiche Beleuchtung und gleicher Blickwinkel."
- Porträtbewegung: "Die erwachsene [Person] dreht sich zum Fenster, das Haar bewegt sich im Wind, weiches Licht, langsamer Push-in."
- Beschränke dich auf ein Hauptereignis pro Clip, vermeide Szenenschnitte und beschreibe das Tempo (langsam, plötzlich), statt Stilbegriffe anzuhäufen.
Wo Looking Ahead hinpasst: Forschung, Weltmodelle und Creator
Die Veröffentlichung fällt mitten in die Debatte über Weltmodelle, in der es um Videos geht, die der Physik gehorchen, statt nur hübsch auszusehen. Forschende, die Trainingsziele untersuchen, können die FCP- und TF-Checkpoints direkt vergleichen – bei offenen Veröffentlichungen eine Seltenheit. Teams, die Robotik- oder simulationsartiges Material prototypisieren, legen Wert darauf, dass Fallen, Gießen und Rollen korrekt ablaufen. Für Creator liegt der praktische Nutzen in kurzen Fortsetzungen: einen Clip von einem Eingießen, einem Spritzer oder einem Tanz um ein paar Sekunden verlängern, ohne dass die Szene abdriftet. Die Resonanz ist noch frisch. Zwei Tage nach der Veröffentlichung hatte das GitHub-Repository etwa 65 Sterne und die Paper-Seite 118 Upvotes – ein Signal aus der Forschungsgemeinschaft, keine breite Akzeptanz.
Ist Looking Ahead Open Source und kostenlos nutzbar?
Ja. Der Code und die vier Checkpoints stehen unter Apache-2.0, was kommerzielle Nutzung, Änderung und Weitergabe erlaubt, solange du die Lizenz, die NOTICE-Datei und die Namensnennung beibehältst. Die NOTICE würdigt außerdem die Wan-Basismodelle und weitere Komponenten, und die WISA-Trainingsdaten sind davon nicht abgedeckt – prüfe diese Bedingungen also vor einem kommerziellen Produkt. Das Paper selbst steht unter CC BY 4.0. Es gibt keine offizielle API und keine gehostete Demo, die eigentlichen Kosten sind also deine eigene GPU-Zeit.
Gibt es ein unzensiertes Looking Ahead-Modell?
Nicht als eigene Veröffentlichung. Stand 23. Oktober 2026 liefert eine Hugging Face-Suche nach dem Namen nur das offizielle TencentARC-Repository, ohne unzensierte oder NSFW-Fine-Tunes, LoRAs oder quantisierte Kopien. Wer die offenen Gewichte selbst ausführt, umgeht zwar einen Plattformfilter, doch das Modell wurde nicht für Erwachseneninhalte trainiert, und das Team bewirbt keine NSFW-Nutzung. Für unzensierte Fotoanimation im Stil von Looking Ahead ohne lokale Installation gibt es auf dieser Website ein ähnliches Bild-zu-Video-Tool ohne Filter für einwilligende Erwachsene (18+).
Lade ein Foto einer einwilligenden erwachsenen Person hoch und beschreibe die Bewegung in einem Satz.
Unzensiertes Bild-zu-Video öffnen →Drei Dinge, die manche Berichte falsch darstellen
Frühe Sekundärberichte haben Details wiederholt, die das Paper nicht stützt. Prüfe diese Punkte, bevor du etwas zitierst:
- Die beteiligten Institutionen sind die Universität Nanjing, Tencent ARC Lab und die Universität Zhejiang, nicht Tsinghua.
- Die Methode ist ein Trainingsziel (Future Chunk Prediction), keine "Lookahead-Attention"-Schicht, und sie fügt bei der Inferenz nichts hinzu.
- Die zentrale Metrik ist Physics-IQ; Werte wie 94.8% strukturelle Konsistenz oder ein FVD-Rückgang um 28.6% kommen im Paper nicht vor. Auch lange, driftfreie Videos werden nicht behauptet: Die Clips werden mit 5 Sekunden trainiert.
Beliebte Ideen für unzensiertes Foto-zu-Video
Vom Foto zum Bewegungsclip
Lade ein Porträt einer erwachsenen Person hoch und beschreibe eine Bewegung, etwa eine Drehung, ein Lächeln oder einen Gang, um einen kurzen Clip zu erhalten.
Boudoir- und Fashion-Loops
Füge einem gestylten Foto Stoffbewegung, flackerndes Licht oder eine langsame Kamerafahrt hinzu – für Teaser in sozialen Medien.
Story-Momente
Animiere Schlüsselbilder einer romantischen oder Fantasy-Szene für Erwachsene, Moment für Moment, im Hoch- oder Breitformat.
Praxisnotizen vor deinem ersten Looking Ahead-Render
- Starte mit dem 1.3B-FCP-Checkpoint; wechsle zu 5B nur mit einer großen GPU und reichlich Speicherplatz.
- Plane Speicherplatz für die 63.2 GiB an Checkpoints plus die Dateien der Wan-Basis, T5 und VAE ein.
- Halte das Motiv mittig: Eingaben werden mittig auf 16:9 zugeschnitten.
- Bleib bei 5 Sekunden; längere Durchläufe nutzen einen einfachen Rolling Cache, und die Qualität ist nicht garantiert.
- Seed 42 und der Standard-Sampler (UniPC, 50 Schritte, CFG 3.0) reproduzieren die offiziellen Beispiele.
- Verwende nur Bilder von Erwachsenen (18+) und niemals Bilder realer Personen ohne deren Einwilligung.
Looking Ahead selbst hosten vs. online generieren
| Lokale Bereitstellung (offizielle Gewichte) | Spicy AI online | |
|---|---|---|
| Inhaltsfilter | Von Tencent ARC Lab festgelegt | Keine Inhaltsfilter |
| Offene Gewichte | Ja | Nicht nötig — läuft im Browser |
| Einstiegspreis | Je nach Tarif | Kostenloser Tarif verfügbar |
- Bild-zu-Video im Browser
- Kostenlose Warteschlange für 0 Credits (Anmeldung, Tageslimit)
- Hochformat (9:16) und Querformat (16:9)
Häufige Fragen
Ist es ein Modell oder eine Trainingsmethode?
Beides. Das Paper stellt Future Chunk Prediction vor, und das Team veröffentlicht vier trainierte Checkpoints (1.3B und 5B, FCP und TF-Baseline), die du ausführen kannst.
Ist Looking Ahead dasselbe wie Wan 3.0?
Nein. Seine Checkpoints basieren auf Wan2.1-T2V-1.3B und Wan2.2-TI2V-5B. Es ist weder Wan 3.0 noch eine Veröffentlichung von Alibaba.
Kann es Videos nur aus Text erzeugen?
Nein. Es braucht ein Eingabebild oder -video, selbst bei Configs mit T2V im Namen, es beherrscht also Bild zu Video und Videofortsetzung.
Läuft es auf einer RTX 4090?
Das 1.3B-Modell möglicherweise, aber es wurde kein VRAM-Minimum veröffentlicht und das Team hat nur auf H200-GPUs getestet. Das 5B-Modell mit 24 GB ist nicht verifiziert.
Funktioniert es in ComfyUI?
Nicht offiziell. Es gibt noch keine ComfyUI- oder Diffusers-Nodes, keinen LoRA-Loader und keine quantisierten Builds.
Gibt es ein unzensiertes Looking Ahead?
Es wurde kein unzensiertes Fine-Tune veröffentlicht. Für unzensiertes Foto-zu-Video im Browser nutze den Generator auf dieser Seite.
Ist Spicy AI mit Tencent ARC Lab verbunden?
Nein. Spicy AI ist eine unabhängige Plattform und weder mit Tencent ARC Lab verbunden noch von dort unterstützt. Looking Ahead ist eine Marke des jeweiligen Inhabers.
Ist es kostenlos?
Du kannst kostenlos starten: Melde dich an, und die kostenlose Video-Warteschlange von Spicy AI animiert dein Foto mit MiniMax H3 Turbo für 0 Credits — mit Tageslimit. Die schnelle Warteschlange, andere Videomodelle und längere Clips kosten Credits.
Quellen
Spicy AI ist nicht mit Tencent ARC Lab verbunden. Looking Ahead und andere Produktnamen sind Marken ihrer jeweiligen Inhaber und werden hier nur zur Kennzeichnung verwendet. Alle Inhalte müssen Erwachsene (18+) darstellen.