IA sin censura · video · Tencent ARC Lab

Modelo de vídeo con IA Looking Ahead sin censura: movimiento con física realista a partir de un solo fotograma

Preguntar a la IA ▾

Looking Ahead es el modelo de vídeo autorregresivo de pesos abiertos que Tencent ARC Lab, la Universidad de Nanjing y la Universidad de Zhejiang publicaron el 21 de octubre de 2026. Su truco es un método de entrenamiento llamado Future Chunk Prediction (FCP), que enseña al modelo cómo evolucionará una escena en lugar de limitarse a copiar los últimos fotogramas. Esta guía explica qué hace, qué checkpoint elegir, cómo ejecutarlo, cómo escribir los prompts y si existe un Looking Ahead sin censura. Para animar ahora mismo tu propia foto para adultos, usa el generador de vídeo sin censura de abajo.

  • Gratis para empezar
  • Sin filtros
  • En el navegador
Anima una foto sin filtros →Fila de fichas de dominó cayendo, congeladas en pleno movimiento junto a fotogramas de vídeo futuros luminosos, que representan el modelo de vídeo con IA Looking Ahead

Looking Ahead de un vistazo

Publicado por
Universidad de Nanjing, Tencent ARC Lab, Universidad de Zhejiang
Lanzamiento
Código y pesos el 21 de octubre de 2026; arXiv 2610.29989
Método
Future Chunk Prediction (solo en entrenamiento)
Checkpoints
1.3B y 5B, cada uno en versión FCP y línea base TF
Tareas
Imagen a vídeo y continuación de vídeo
Clip por defecto
5 segundos; 768×432 a 16 fps o 1024×576 a 24 fps
Pesos abiertos
Sí, Apache-2.0
¿Versión sin censura?
Ninguna por ahora

Generador de vídeo sin censura Looking Ahead (opción alternativa)

Imagen a video

Sube una foto y describe el movimiento: Spicy AI la convierte en un clip corto.

Tu foto se animará.

Prueba un prompt

Los prompts de ejemplo están en inglés, que da los resultados más fiables.

Quién creó Looking Ahead y qué es en realidad

Looking Ahead es el primer lanzamiento de una nueva línea de investigación en vídeo de Tencent ARC Lab y sus socios académicos, publicado como el artículo "Looking Ahead: Modeling Future Evolution in Autoregressive Video Generation". Los autores son Ruopeng Gao, Yukun Huang (líder del proyecto), Jiarui Hu, Shuai Wang, Wenbo Hu, Ying Shan y Limin Wang (autor de correspondencia). No es una aplicación comercial: no hay sitio de producto, suscripción ni endpoint alojado. El equipo publica el trabajo en su conjunto (un artículo, un repositorio de GitHub y cuatro checkpoints en Hugging Face) y tú lo ejecutas por tu cuenta. Los checkpoints de 1.3B se entrenan sobre Wan2.1-T2V-1.3B y los de 5B sobre Wan2.2-TI2V-5B, así que lo más acertado es verlo como una receta de entrenamiento más afinada aplicada a las bases abiertas Wan de Alibaba, no como una arquitectura totalmente nueva.

Por qué la gente busca Looking Ahead sin censura

Al tener pesos abiertos y ningún servicio alojado, no existe una capa de moderación de plataforma entre tú y el modelo, así que los creadores de contenido para adultos se preguntan, lógicamente, si es un modelo de vídeo sin censura. La respuesta honesta es matizada. Los pesos se pueden ejecutar gratis en local y la ficha del modelo no incluye ninguna política de contenido adicional, pero los datos de entrenamiento son metraje real de carácter general y hasta ahora nadie ha publicado un fine-tune, LoRA o versión cuantizada de Looking Ahead sin censura. Existen LoRAs NSFW creados para Wan 2.2, pero nadie ha demostrado que funcionen con los checkpoints FCP. Si hoy quieres movimiento sin censura a partir de una foto para adultos sin descargar 60 GB, el generador de esta página lo hace en tu navegador.

Olvídate de configurar la GPU: sube una foto para adultos y describe el movimiento que quieres, sin filtros de contenido para adultos que dan su consentimiento.

Prueba imagen a vídeo sin censura →

El atajo que Looking Ahead se diseñó para romper

Los modelos de vídeo autorregresivos generan un clip fragmento a fragmento. Durante el entrenamiento estándar con teacher forcing, el modelo ve los fotogramas reales anteriores y solo tiene que eliminar el ruido del siguiente fragmento. Como los fragmentos contiguos son casi idénticos, el modelo puede puntuar bien prolongando los colores y el movimiento de los últimos fotogramas, sin aprender qué debería ocurrir físicamente a continuación. El artículo lo llama un atajo creado por la redundancia temporal. FCP elimina ese camino fácil: a partir de las características del fragmento actual, unas cabezas adicionales deben predecir fragmentos más adelantados, de uno a cinco pasos en el modelo de 5B, sin ver los fotogramas intermedios. La página del proyecto muestra el efecto con fichas de dominó que siguen cayendo en orden y hielo que se derrite y eleva el nivel del agua, casos en los que la línea base se desvía.

La predicción de fragmentos futuros en cinco decisiones de diseño

La receta FCP es pequeña pero deliberada, y cada decisión está respaldada por una ablación en el artículo. Estos son los puntos que importan si quieres reproducir o ampliar el trabajo:

  • Cabezas en paralelo, no en cadena: cada desplazamiento futuro tiene su propio predictor condicionado por las mismas características del fragmento actual. En 5B, cinco desplazamientos en paralelo obtuvieron 33.8 en Physics-IQ, mientras que una variante encadenada de cinco desplazamientos bajó a 31.0.
  • Solo el fragmento actual: los predictores ven el fragmento actual, no todo el historial, lo que según los autores es más barato que los diseños de contexto completo con la misma calidad.
  • Dos fuentes de supervisión: las pérdidas de predicción futura se añaden tanto sobre los latentes de contexto limpios como sobre los latentes actuales con ruido; juntas suman 3.3 puntos en la ablación de 1.3B.
  • Sin texto en las cabezas auxiliares: añadir condicionamiento de texto a los predictores bajó la puntuación en 1.1, porque los subtítulos pueden revelar lo que ocurre después.
  • Cero sobrecoste en inferencia: todos los módulos FCP se descartan tras el entrenamiento, así que un checkpoint entrenado genera exactamente igual que un modelo autorregresivo normal.

Looking Ahead 1.3B vs 5B: qué checkpoint descargar

El repositorio de Hugging Face contiene cuatro archivos model_ema.pt: un checkpoint FCP y una línea base con teacher forcing (TF) para cada tamaño, unos 63.2 GiB en total. Los archivos FCP son más grandes que los TF porque aún contienen las cabezas exclusivas del entrenamiento; el cargador filtra esos tensores, pero sigues necesitando el espacio en disco y suficiente memoria de CPU para leer el archivo. También necesitas los pesos base de Wan correspondientes, el codificador T5 y el VAE. Para la mayoría, el checkpoint FCP de 1.3B es el punto de partida, y el FCP de 5B es para cuando tienes una GPU grande y quieres los resultados principales del artículo.

1.3B5B
Modelo baseWan2.1-T2V-1.3BWan2.2-TI2V-5B
Salida768×432, 16 fps1024×576, 24 fps
Archivo FCP≈ 8.01 GB≈ 34.20 GB
Archivo de línea base TF≈ 5.68 GB≈ 20.00 GB
Desplazamientos futuros en el entrenamiento1–31–5
Physics-IQ (TF → FCP)27.6 → 30.930.4 → 33.8

Tamaños de archivo según la API de Hugging Face; puntuaciones de la tabla 2 del artículo (imagen a vídeo).

Dos pilas de unidades de almacenamiento luminosas de distinta altura sobre un banco de trabajo, comparando un checkpoint de modelo de vídeo pequeño y uno grande

¿Cuánto mejora? Cómo leer los benchmarks

La comparación justa es la controlada, en la que la misma base Wan2.2-TI2V-5B, con los mismos datos y el mismo calendario, se entrena con y sin FCP. Ahí, Physics-IQ en imagen a vídeo sube de 30.4 a 33.8 y en continuación de vídeo de 40.6 a 44.4. En otros apartados las mejoras son menores. En una tabla comparativa entre modelos, el checkpoint de 5B también supera por poco a Wan2.2-14B (32.2), HunyuanVideo-1.5 (33.4) y Sora 2 (26.5) y queda por detrás de Grok Imagine Video (34.8), aunque los autores advierten de que esos modelos difieren en datos y configuración. No se evaluaron la estética, los clips largos, el audio ni las preferencias humanas, así que interpreta el resultado como una mejora en verosimilitud física, no como un salto de calidad generalizado.

Benchmark (5B)Línea base TFFCP
Physics-IQ, imagen a vídeo30.433.8
Physics-IQ, vídeo a vídeo40.644.4
WorldModelBench7.227.64
PAI-Bench-G81.1382.38
PhyGround2.752.80

Looking Ahead vs la base Wan 2.2 de la que parte

Frente a Wan2.2-TI2V-5B a secas, el checkpoint FCP de 5B mantiene la misma arquitectura troncal pero cambia tres cosas que notarás. Necesita una condición visual: ni siquiera las configuraciones llamadas T2V funcionan solo con texto, así que es un modelo de imagen a vídeo y de continuación. Renderiza a 1024×576 y 24 fps en lugar de los 1280×704 nativos de Wan. Y genera de forma autorregresiva por fragmentos, por eso la continuación de vídeo es una tarea de primer nivel. A cambio renuncias al ecosistema de Wan: todavía no hay nodos oficiales para ComfyUI ni Diffusers, ni cargador de LoRA, ni versiones GGUF o FP8.

Ejecuta Looking Ahead en local: descarga, VRAM y primer clip

El equipo solo probó el código en Linux con una NVIDIA H200, Python 3.12, PyTorch 2.10 y CUDA 12.8; el soporte para Windows es una incidencia abierta. No se ha publicado una VRAM mínima. Como referencia aproximada, la base Wan2.1 de 1.3B figura con unos 8 GB y Wan2.2 de 5B con 24 GB usando offloading, y el código saca el codificador T5 de la GPU cuando quedan libres menos de 40 GB, pero no está verificado que una tarjeta de 24 GB pueda ejecutar el modelo de 5B. El flujo básico:

  • Instala con uv (uv sync --python 3.12) y añade FFmpeg.
  • Descarga la base, por ejemplo hf download Wan-AI/Wan2.1-T2V-1.3B, luego hf download TencentARC/Looking-Ahead y conserva las cuatro subcarpetas.
  • Imagen a vídeo: ejecuta inference.py con --config fcp_wan21_t2v_1.3b, la ruta del checkpoint, --use_ema, --image_path, un --prompt_file y --duration 5s.
  • Continuación de vídeo: cambia --image_path por --video_path y añade --sink 3; por defecto, el final de tu clip se convierte en el contexto.
  • Recuerda que --duration incluye el contexto: un clip de 5 segundos con el modelo 5B son 25 fotogramas de contexto más 95 fotogramas nuevos.
  • Las entradas se escalan y se recortan desde el centro, así que mantén al sujeto alejado de los bordes. ComfyUI aún no es compatible.
Estación de trabajo con una ventana de terminal y un fotograma de vídeo renderizado de un velero en un lago, que muestra una configuración local de imagen a vídeo

Prompts para Looking Ahead con movimiento creíble

Como la imagen ya fija el aspecto, la función del prompt es describir qué cambia a lo largo de cinco segundos. El modelo se entrenó para anticipar causa y efecto, así que los prompts que nombran un evento físico claro aprovechan su punto fuerte. Los ejemplos oficiales están en inglés; otros idiomas no se han probado. Una fórmula sencilla es sujeto + acción + consecuencia física + cámara. Plantillas para copiar y adaptar:

  • Causa y efecto: "El [objeto] se vuelca por el borde de la [superficie], cae y [resultado]; la cámara permanece fija."
  • Fluidos: "[Líquido] se vierte desde el [recipiente] en un vaso, el nivel sube de forma constante y se forma espuma arriba, primer plano."
  • Continuación: "Continúa la escena: el [sujeto] sigue [acción actual] y luego [siguiente acción], misma iluminación y ángulo."
  • Movimiento de retrato: "La [persona] adulta se gira hacia la ventana, el pelo se mueve con la brisa, luz suave, acercamiento lento."
  • Limítate a un evento principal por clip, evita los cortes de escena y describe la velocidad (lentamente, de repente) en lugar de acumular palabras de estilo.

Dónde encaja Looking Ahead: investigación, modelos del mundo y creadores

El lanzamiento llega en plena conversación sobre los modelos del mundo, donde el objetivo es un vídeo que obedezca la física y no solo que se vea bonito. Los investigadores que estudian objetivos de entrenamiento pueden comparar directamente los checkpoints FCP y TF, algo poco habitual en lanzamientos abiertos. A los equipos que prototipan metraje de robótica o de tipo simulación les importa que caer, verter y rodar se comporten correctamente. Para los creadores, el uso práctico son las continuaciones cortas: alargar unos segundos un clip de un vertido, una salpicadura o un baile sin que la escena se desvíe. La acogida aún es temprana. Dos días después del lanzamiento, el repositorio de GitHub tenía unas 65 estrellas y la página del artículo 118 votos positivos, una señal de la comunidad investigadora más que de adopción masiva.

¿Looking Ahead es de código abierto y gratuito?

Sí. El código y los cuatro checkpoints se publican bajo Apache-2.0, que permite el uso comercial, la modificación y la redistribución siempre que conserves la licencia, el archivo NOTICE y la atribución. El NOTICE también reconoce las bases Wan y otros componentes, y los datos de entrenamiento WISA no están cubiertos por ella, así que revisa esos términos antes de lanzar un producto comercial. El artículo en sí está bajo CC BY 4.0. No hay API oficial ni demo alojada, así que el coste real es tu propio tiempo de GPU.

¿Existe un modelo Looking Ahead sin censura?

No como lanzamiento independiente. A 23 de octubre de 2026, una búsqueda del nombre en Hugging Face solo devuelve el repositorio oficial de TencentARC, sin fine-tunes, LoRAs ni copias cuantizadas sin censura o NSFW. Ejecutar tú mismo los pesos abiertos evita el filtro de una plataforma, pero el modelo no se entrenó para contenido adulto y el equipo no promociona el uso NSFW. Para animar fotos sin censura al estilo de Looking Ahead sin instalar nada en local, este sitio ofrece una herramienta similar de imagen a vídeo sin filtros para adultos que dan su consentimiento (18+).

Sube una foto de un adulto que haya dado su consentimiento y describe el movimiento en una frase.

Abrir imagen a vídeo sin censura →

Tres cosas que algunas coberturas cuentan mal

Las primeras coberturas secundarias repitieron detalles que el artículo no respalda. Compruébalos antes de citar nada:

  • Las instituciones son la Universidad de Nanjing, Tencent ARC Lab y la Universidad de Zhejiang, no Tsinghua.
  • El método es un objetivo de entrenamiento (Future Chunk Prediction), no una capa de "lookahead attention", y no añade nada en inferencia.
  • La métrica principal es Physics-IQ; cifras como un 94.8% de consistencia estructural o una caída del 28.6% en FVD no aparecen en el artículo. Tampoco se afirma que genere vídeos largos sin deriva: los clips se entrenan a 5 segundos.

Ideas populares para crear con foto a vídeo sin censura

De foto a clip en movimiento

Sube un retrato de un adulto y describe un movimiento, como un giro, una sonrisa o un paseo, para obtener un clip corto.

Bucles boudoir y de moda

Añade movimiento de tela, parpadeo de luz o un lento avance de cámara a una foto estilizada para teasers en redes sociales.

Momentos narrativos

Anima los fotogramas clave de una escena romántica o de fantasía para adultos, un momento cada vez, en formato vertical o panorámico.

Notas prácticas antes de tu primer render con Looking Ahead

  1. Empieza con el checkpoint FCP de 1.3B; pasa a 5B solo si tienes una GPU grande y espacio en disco de sobra.
  2. Reserva espacio en disco para los 63.2 GiB de checkpoints más los archivos de la base Wan, T5 y VAE.
  3. Mantén al sujeto centrado: las entradas se recortan desde el centro a 16:9.
  4. No pases de 5 segundos; las generaciones más largas usan una caché móvil básica y la calidad no está garantizada.
  5. La semilla 42 y el sampler por defecto (UniPC, 50 pasos, CFG 3.0) reproducen los ejemplos oficiales.
  6. Usa solo imágenes de adultos (18+) y nunca de personas reales sin su consentimiento.

Alojar Looking Ahead por tu cuenta vs generar en línea

Despliegue local (pesos oficiales)Spicy AI en línea
Filtros de contenidoLos define Tencent ARC LabSin filtros de contenido
Pesos abiertosSíNo hace falta: funciona en el navegador
Precio para empezarDepende del planPlan gratuito disponible
  • Imagen a video en el navegador
  • Cola gratuita por 0 créditos (con sesión, límite diario)
  • Clips verticales (9:16) y horizontales (16:9)

Preguntas frecuentes

¿Es un modelo o un método de entrenamiento?

Ambas cosas. El artículo presenta Future Chunk Prediction y el equipo publica cuatro checkpoints entrenados (1.3B y 5B, FCP y línea base TF) que puedes ejecutar.

¿Looking Ahead es lo mismo que Wan 3.0?

No. Sus checkpoints se entrenan sobre Wan2.1-T2V-1.3B y Wan2.2-TI2V-5B. No es Wan 3.0 ni un lanzamiento de Alibaba.

¿Puede generar vídeo solo a partir de texto?

No. Necesita una imagen o un vídeo de entrada, incluso con las configuraciones llamadas T2V, así que hace imagen a vídeo y continuación de vídeo.

¿Puedo ejecutarlo en una RTX 4090?

Posiblemente el modelo de 1.3B, pero no se ha publicado una VRAM mínima y el equipo solo lo probó en GPUs H200. El modelo de 5B en 24 GB no está verificado.

¿Funciona en ComfyUI?

No de forma oficial. Todavía no hay nodos para ComfyUI ni Diffusers, ni cargador de LoRA, ni versiones cuantizadas.

¿Existe un Looking Ahead sin censura?

No se ha publicado ningún fine-tune sin censura. Para foto a vídeo sin censura en el navegador, usa el generador de esta página.

¿Spicy AI está afiliada a Tencent ARC Lab?

No. Spicy AI es una plataforma independiente y no está afiliada ni respaldada por Tencent ARC Lab. Looking Ahead es una marca registrada de su propietario.

¿Es gratis?

Puedes empezar gratis: inicia sesión y la cola de video gratuita de Spicy AI anima tu foto con MiniMax H3 Turbo por 0 créditos, con un límite diario. La cola rápida, otros modelos de video y los clips más largos usan créditos.

Fuentes

Spicy AI no está afiliada a Tencent ARC Lab. Looking Ahead y otros nombres de productos son marcas de sus respectivos propietarios y se usan aquí solo con fines de identificación. Todo el contenido debe representar a adultos (mayores de 18 años).

Sign in

Welcome to Spicy AI

or