IA sans censure · Vidéo · Tencent ARC Lab
Modèle vidéo IA Looking Ahead sans censure : un mouvement physiquement crédible à partir d'une seule image
Looking Ahead est le modèle vidéo autorégressif à poids ouverts que Tencent ARC Lab, l'Université de Nankin et l'Université du Zhejiang ont publié le 21 octobre 2026. Son astuce est une méthode d'entraînement appelée Future Chunk Prediction (FCP), qui apprend au modèle comment une scène va évoluer au lieu de simplement recopier les dernières images. Ce guide explique ce qu'il fait, quel checkpoint choisir, comment l'exécuter, comment rédiger vos prompts et s'il existe un Looking Ahead sans censure. Pour animer dès maintenant votre propre photo pour adultes, utilisez le générateur vidéo sans censure ci-dessous.
- Gratuit pour commencer
- Sans filtre
- Dans le navigateur

Looking Ahead en un coup d'œil
- Publié par
- Université de Nankin, Tencent ARC Lab, Université du Zhejiang
- Sortie
- Code et poids le 21 octobre 2026 ; arXiv 2610.29989
- Méthode
- Future Chunk Prediction (uniquement à l'entraînement)
- Checkpoints
- 1.3B et 5B, chacun en version FCP et baseline TF
- Tâches
- Image vers vidéo et prolongation de vidéo
- Clip par défaut
- 5 secondes ; 768×432 à 16 fps ou 1024×576 à 24 fps
- Poids ouverts
- Oui, Apache-2.0
- Version sans censure ?
- Aucune pour l'instant
Générateur vidéo sans censure Looking Ahead (option alternative)
Image vers vidéoImportez une photo et décrivez le mouvement — Spicy AI l'anime en un court clip.
Essayer un prompt
Les prompts d'exemple sont en anglais, ce qui donne les résultats les plus fiables.
Qui a créé Looking Ahead, et ce que c'est vraiment
Looking Ahead est la première publication d'une nouvelle ligne de recherche vidéo de Tencent ARC Lab et de ses partenaires universitaires, parue sous la forme de l'article "Looking Ahead: Modeling Future Evolution in Autoregressive Video Generation". Les auteurs sont Ruopeng Gao, Yukun Huang (chef de projet), Jiarui Hu, Shuai Wang, Wenbo Hu, Ying Shan et Limin Wang (auteur correspondant). Ce n'est pas une application commerciale : pas de site produit, pas d'abonnement, pas d'endpoint hébergé. L'équipe publie le travail comme un tout (un article, un dépôt GitHub et quatre checkpoints sur Hugging Face) et c'est à vous de l'exécuter. Les checkpoints 1.3B sont entraînés à partir de Wan2.1-T2V-1.3B et les checkpoints 5B à partir de Wan2.2-TI2V-5B : il vaut donc mieux voir cette sortie comme une recette d'entraînement plus affûtée appliquée aux bases ouvertes Wan d'Alibaba plutôt que comme une architecture entièrement nouvelle.
Pourquoi on recherche Looking Ahead sans censure
Des poids ouverts sans service hébergé signifient qu'aucune couche de modération de plateforme ne s'interpose entre vous et le modèle ; les créateurs de contenu pour adultes se demandent donc naturellement s'il s'agit d'un modèle vidéo sans censure. La réponse honnête est nuancée. Les poids peuvent être exécutés gratuitement en local et la fiche du modèle n'indique aucune politique de contenu supplémentaire, mais les données d'entraînement sont des séquences réelles généralistes et personne n'a encore publié de fine-tune, de LoRA ou de version quantifiée de Looking Ahead sans censure. Des LoRA NSFW conçus pour Wan 2.2 existent, mais personne n'a montré qu'ils se chargent dans les checkpoints FCP. Si vous voulez dès aujourd'hui un mouvement sans censure à partir d'une photo pour adultes sans télécharger 60 Go, le générateur de cette page le fait dans votre navigateur.
Passez la configuration GPU : importez une photo pour adultes et décrivez le mouvement souhaité, sans filtres de contenu pour les adultes consentants.
Essayer l'image vers vidéo sans censure →Le raccourci que Looking Ahead a été conçu pour casser
Les modèles vidéo autorégressifs génèrent un clip segment par segment. Pendant l'entraînement standard en teacher forcing, le modèle voit les vraies images précédentes et n'a qu'à débruiter le segment suivant. Comme les segments voisins se ressemblent presque à l'identique, le modèle peut obtenir un bon score en prolongeant les couleurs et le mouvement des dernières images, sans apprendre ce qui devrait physiquement se passer ensuite. L'article parle d'un raccourci créé par la redondance temporelle. FCP supprime cette voie facile : à partir des caractéristiques du segment courant, des têtes supplémentaires doivent prédire des segments plus lointains, de un à cinq pas en avant sur le modèle 5B, sans voir les images intermédiaires. La page du projet illustre l'effet avec des dominos qui continuent de tomber dans l'ordre et de la glace qui fond en faisant monter le niveau de l'eau, des cas où la baseline dérive.
La prédiction de segments futurs en cinq choix de conception
La recette FCP est légère mais réfléchie, et chaque choix s'appuie sur une ablation dans l'article. Voici les points qui comptent si vous voulez reproduire ou prolonger ce travail :
- Des têtes parallèles, pas une chaîne : chaque décalage futur a son propre prédicteur conditionné par les mêmes caractéristiques du segment courant. Sur le 5B, cinq décalages parallèles ont obtenu 33.8 sur Physics-IQ, alors qu'une variante enchaînée à cinq décalages est tombée à 31.0.
- Le segment courant uniquement : les prédicteurs voient le segment courant, pas tout l'historique, ce qui selon les auteurs coûte moins cher que les conceptions à contexte complet pour une qualité équivalente.
- Deux sources de supervision : des pertes de prédiction future sont ajoutées à la fois sur les latents de contexte propres et sur les latents courants bruités ; ensemble, elles apportent 3.3 points dans l'ablation 1.3B.
- Pas de texte dans les têtes auxiliaires : ajouter un conditionnement textuel aux prédicteurs a fait baisser le score de 1.1, car les légendes peuvent trahir ce qui se passe ensuite.
- Aucun surcoût à l'inférence : tous les modules FCP sont supprimés après l'entraînement, si bien qu'un checkpoint entraîné échantillonne exactement comme un modèle autorégressif classique.
Looking Ahead 1.3B ou 5B : quel checkpoint télécharger
Le dépôt Hugging Face contient quatre fichiers model_ema.pt : un checkpoint FCP et une baseline en teacher forcing (TF) pour chaque taille, soit environ 63.2 GiB au total. Les fichiers FCP sont plus lourds que les fichiers TF car ils contiennent encore les têtes réservées à l'entraînement ; le chargeur filtre ces tenseurs, mais il vous faut tout de même l'espace disque et assez de mémoire CPU pour lire le fichier. Vous avez aussi besoin des poids de base Wan correspondants, de l'encodeur T5 et du VAE. Pour la plupart des gens, le checkpoint FCP 1.3B est le bon point de départ, et le checkpoint FCP 5B s'adresse à ceux qui disposent d'un gros GPU et veulent les résultats phares de l'article.
| 1.3B | 5B | |
|---|---|---|
| Modèle de base | Wan2.1-T2V-1.3B | Wan2.2-TI2V-5B |
| Sortie | 768×432, 16 fps | 1024×576, 24 fps |
| Fichier FCP | ≈ 8.01 GB | ≈ 34.20 GB |
| Fichier baseline TF | ≈ 5.68 GB | ≈ 20.00 GB |
| Décalages futurs à l'entraînement | 1–3 | 1–5 |
| Physics-IQ (TF → FCP) | 27.6 → 30.9 | 30.4 → 33.8 |
Tailles de fichiers issues de l'API Hugging Face ; scores tirés du tableau 2 de l'article (image vers vidéo).

Quel gain réel ? Bien lire les benchmarks
La comparaison juste est la comparaison contrôlée, où la même base Wan2.2-TI2V-5B, avec les mêmes données et le même calendrier, est entraînée avec et sans FCP. Dans ce cadre, Physics-IQ en image vers vidéo passe de 30.4 à 33.8 et en prolongation de vidéo de 40.6 à 44.4. Ailleurs, les gains sont plus modestes. Dans un tableau comparant plusieurs modèles, le checkpoint 5B devance aussi de peu Wan2.2-14B (32.2), HunyuanVideo-1.5 (33.4) et Sora 2 (26.5) et reste derrière Grok Imagine Video (34.8), mais les auteurs préviennent que ces modèles diffèrent par leurs données et leur configuration. L'esthétique, les clips longs, l'audio et les préférences humaines n'ont pas été évalués : lisez donc ce résultat comme un gain de plausibilité physique, pas comme un bond de qualité général.
| Benchmark (5B) | Baseline TF | FCP |
|---|---|---|
| Physics-IQ, image vers vidéo | 30.4 | 33.8 |
| Physics-IQ, vidéo vers vidéo | 40.6 | 44.4 |
| WorldModelBench | 7.22 | 7.64 |
| PAI-Bench-G | 81.13 | 82.38 |
| PhyGround | 2.75 | 2.80 |
Looking Ahead face à la base Wan 2.2 dont il part
Par rapport à Wan2.2-TI2V-5B tel quel, le checkpoint FCP 5B conserve le même backbone mais change trois choses que vous remarquerez. Il a besoin d'une condition visuelle : même les configs nommées T2V ne fonctionnent pas à partir du texte seul, c'est donc un modèle d'image vers vidéo et de prolongation. Il produit du 1024×576 à 24 fps au lieu du 1280×704 natif de Wan. Et il génère de façon autorégressive par segments, ce qui fait de la prolongation de vidéo une tâche à part entière. En contrepartie, vous renoncez à l'écosystème Wan : pas encore de nœuds officiels ComfyUI ou Diffusers, pas de chargeur de LoRA et pas de versions GGUF ou FP8.
Exécuter Looking Ahead en local : téléchargement, VRAM et premier clip
L'équipe n'a testé le code que sous Linux avec une NVIDIA H200, Python 3.12, PyTorch 2.10 et CUDA 12.8 ; la prise en charge de Windows fait l'objet d'une issue ouverte. Aucune VRAM minimale n'est publiée. À titre indicatif, la base Wan2.1 1.3B est annoncée à environ 8 Go et Wan2.2 5B à 24 Go avec offloading, et le code décharge l'encodeur T5 du GPU quand moins de 40 Go sont libres, mais faire tourner le modèle 5B sur une carte de 24 Go n'a pas été vérifié. Le déroulé de base :
- Installez avec uv (uv sync --python 3.12) et ajoutez FFmpeg.
- Téléchargez la base, par exemple hf download Wan-AI/Wan2.1-T2V-1.3B, puis hf download TencentARC/Looking-Ahead, et conservez les quatre sous-dossiers.
- Image vers vidéo : lancez inference.py avec --config fcp_wan21_t2v_1.3b, le chemin du checkpoint, --use_ema, --image_path, un --prompt_file et --duration 5s.
- Prolongation de vidéo : remplacez --image_path par --video_path et ajoutez --sink 3 ; par défaut, la fin de votre clip sert de contexte.
- N'oubliez pas que --duration inclut le contexte : un clip 5B de 5 secondes, c'est 25 images de contexte plus 95 nouvelles images.
- Les entrées sont redimensionnées et recadrées au centre, gardez donc le sujet loin des bords. ComfyUI n'est pas encore pris en charge.

Rédiger des prompts Looking Ahead pour un mouvement crédible
Comme l'image fixe déjà le rendu visuel, le rôle du prompt est de décrire ce qui change sur cinq secondes. Le modèle a été entraîné à anticiper les causes et les effets : les prompts qui nomment un événement physique clair exploitent donc sa force. Les exemples officiels sont en anglais ; les autres langues n'ont pas été testées. Une formule simple : sujet + action + conséquence physique + caméra. Des modèles à copier et adapter :
- Cause et effet : "Le [objet] bascule par-dessus le bord de la [surface], tombe et [résultat], la caméra reste fixe."
- Liquides : "[Liquide] se verse du [récipient] dans un verre, le niveau monte régulièrement et de la mousse se forme en surface, gros plan."
- Prolongation : "Prolonge la scène : le [sujet] continue de [action en cours] puis [action suivante], même éclairage et même angle."
- Mouvement de portrait : "La [personne] adulte se tourne vers la fenêtre, ses cheveux bougent dans la brise, lumière douce, lent travelling avant."
- Limitez-vous à un événement principal par clip, évitez les changements de plan et décrivez la vitesse (lentement, soudain) plutôt que d'empiler les mots de style.
La place de Looking Ahead : recherche, modèles du monde et créateurs
Cette sortie s'inscrit dans le débat sur les modèles du monde, où l'objectif est une vidéo qui respecte la physique plutôt qu'une vidéo simplement jolie. Les chercheurs qui étudient les objectifs d'entraînement peuvent comparer directement les checkpoints FCP et TF, ce qui est rare dans les publications ouvertes. Les équipes qui prototypent des séquences de robotique ou de type simulation tiennent à ce que les chutes, les versements et les roulements se comportent correctement. Pour les créateurs, l'usage pratique, ce sont les courtes prolongations : allonger de quelques secondes un clip de liquide versé, d'éclaboussure ou de danse sans que la scène dérive. L'accueil n'en est qu'à ses débuts. Deux jours après la sortie, le dépôt GitHub comptait environ 65 étoiles et la page de l'article 118 votes positifs, un signal venant de la communauté scientifique plutôt qu'une adoption grand public.
Looking Ahead est-il open source et gratuit ?
Oui. Le code et les quatre checkpoints sont publiés sous Apache-2.0, qui autorise l'usage commercial, la modification et la redistribution à condition de conserver la licence, le fichier NOTICE et l'attribution. Le NOTICE crédite aussi les bases Wan et d'autres composants, et les données d'entraînement WISA n'y sont pas couvertes : vérifiez donc ces conditions avant un produit commercial. L'article lui-même est sous CC BY 4.0. Il n'existe ni API officielle ni démo hébergée, le vrai coût est donc votre propre temps GPU.
Existe-t-il un modèle Looking Ahead sans censure ?
Pas en tant que version distincte. Au 23 octobre 2026, une recherche du nom sur Hugging Face ne renvoie que le dépôt officiel TencentARC, sans fine-tune, LoRA ni copie quantifiée sans censure ou NSFW. Exécuter vous-même les poids ouverts évite un filtre de plateforme, mais le modèle n'a pas été entraîné pour du contenu adulte et l'équipe ne met pas en avant d'usage NSFW. Pour animer des photos sans censure à la manière de Looking Ahead sans installation locale, un outil similaire d'image vers vidéo sans filtre est disponible sur ce site pour les adultes consentants (18+).
Importez la photo d'un adulte consentant et décrivez le mouvement en une phrase.
Ouvrir l'image vers vidéo sans censure →Trois erreurs relayées par certains articles
Les premiers articles de seconde main ont repris des détails que l'article de recherche ne confirme pas. Vérifiez-les avant de citer quoi que ce soit :
- Les institutions sont l'Université de Nankin, Tencent ARC Lab et l'Université du Zhejiang, pas Tsinghua.
- La méthode est un objectif d'entraînement (Future Chunk Prediction), pas une couche de "lookahead attention", et elle n'ajoute rien à l'inférence.
- La métrique phare est Physics-IQ ; des chiffres comme 94.8% de cohérence structurelle ou une baisse de 28.6% du FVD n'apparaissent pas dans l'article. Il n'est pas non plus question de vidéos longues sans dérive : les clips sont entraînés sur 5 secondes.
Idées populaires à créer avec la photo vers vidéo sans censure
De la photo au clip animé
Importez le portrait d'un adulte et décrivez un mouvement, comme un demi-tour, un sourire ou une marche, pour obtenir un court clip.
Boucles boudoir et mode
Ajoutez un mouvement de tissu, un scintillement de lumière ou un lent travelling à une photo stylisée pour des teasers sur les réseaux sociaux.
Moments narratifs
Animez les images clés d'une scène romantique ou fantastique pour adultes, un moment à la fois, en format vertical ou large.
Notes de terrain avant votre premier rendu Looking Ahead
- Commencez par le checkpoint FCP 1.3B ; ne passez au 5B qu'avec un gros GPU et beaucoup d'espace disque.
- Prévoyez l'espace disque pour les 63.2 GiB de checkpoints, plus les fichiers de la base Wan, du T5 et du VAE.
- Gardez le sujet centré : les entrées sont recadrées au centre en 16:9.
- Restez à 5 secondes ; les générations plus longues utilisent un cache glissant basique et la qualité n'est pas garantie.
- La seed 42 et le sampler par défaut (UniPC, 50 étapes, CFG 3.0) reproduisent les exemples officiels.
- N'utilisez que des images d'adultes (18+) et jamais de personnes réelles sans leur consentement.
Héberger Looking Ahead soi-même ou générer en ligne
| Déploiement local (poids officiels) | Spicy AI en ligne | |
|---|---|---|
| Filtres de contenu | Définis par Tencent ARC Lab | Aucun filtre de contenu |
| Poids ouverts | Oui | Inutile — fonctionne dans le navigateur |
| Prix de départ | Selon l'abonnement | Offre gratuite disponible |
- Image vers vidéo dans le navigateur
- File gratuite à 0 crédit (connexion, limite quotidienne)
- Clips en portrait (9:16) et en paysage (16:9)
FAQ
Est-ce un modèle ou une méthode d'entraînement ?
Les deux. L'article présente Future Chunk Prediction, et l'équipe publie quatre checkpoints entraînés (1.3B et 5B, FCP et baseline TF) que vous pouvez exécuter.
Looking Ahead est-il la même chose que Wan 3.0 ?
Non. Ses checkpoints sont entraînés à partir de Wan2.1-T2V-1.3B et Wan2.2-TI2V-5B. Ce n'est ni Wan 3.0 ni une publication d'Alibaba.
Peut-il générer une vidéo à partir de texte seul ?
Non. Il lui faut une image ou une vidéo en entrée, même avec les configs nommées T2V : il fait donc de l'image vers vidéo et de la prolongation de vidéo.
Puis-je l'exécuter sur une RTX 4090 ?
Peut-être le modèle 1.3B, mais aucune VRAM minimale n'est publiée et l'équipe n'a testé que sur des GPU H200. Le modèle 5B sur 24 Go n'a pas été vérifié.
Fonctionne-t-il dans ComfyUI ?
Pas officiellement. Il n'existe pas encore de nœuds ComfyUI ou Diffusers, ni de chargeur de LoRA, ni de versions quantifiées.
Existe-t-il un Looking Ahead sans censure ?
Aucun fine-tune sans censure n'a été publié. Pour de la photo vers vidéo sans censure dans le navigateur, utilisez le générateur de cette page.
Spicy AI est-il affilié à Tencent ARC Lab ?
Non. Spicy AI est une plateforme indépendante, non affiliée à Tencent ARC Lab et non approuvée par cette société. Looking Ahead est une marque de son propriétaire respectif.
Est-ce gratuit ?
Vous pouvez commencer gratuitement : connectez-vous et la file vidéo gratuite de Spicy AI anime votre photo avec MiniMax H3 Turbo pour 0 crédit, avec une limite quotidienne. La file rapide, les autres modèles vidéo et les clips plus longs consomment des crédits.
Sources
Spicy AI n'est pas affilié à Tencent ARC Lab. Looking Ahead et les autres noms de produits sont des marques de leurs propriétaires respectifs et ne sont utilisés ici qu'à des fins d'identification. Tous les contenus doivent représenter des adultes (18+).