무검열 AI 영상 · Tencent ARC Lab

검열 없는 Looking Ahead AI 동영상 모델: 한 장의 프레임에서 물리를 이해하는 움직임

AI에게 묻기 ▾

Looking Ahead는 Tencent ARC Lab, 난징대학교, 저장대학교가 2026년 10월 21일에 공개한 오픈 웨이트 자기회귀 동영상 모델입니다. 핵심은 Future Chunk Prediction(FCP, 미래 청크 예측)이라는 학습 방법으로, 모델이 마지막 프레임을 단순히 복사하는 대신 장면이 앞으로 어떻게 변할지를 배우도록 합니다. 이 가이드에서는 모델이 무엇을 하는지, 어떤 체크포인트를 골라야 하는지, 실행 방법, 프롬프트 작성법, 그리고 검열 없는 Looking Ahead가 존재하는지를 설명합니다. 지금 바로 직접 촬영한 성인 사진을 움직이게 하려면 아래의 검열 없는 동영상 생성기를 사용하세요.

  • 무료로 시작
  • 필터 없음
  • 브라우저에서 바로
필터 없이 사진 움직이기 →넘어지는 도중 멈춘 도미노 행렬과 빛나는 미래 동영상 프레임으로 AI 동영상 모델 Looking Ahead를 표현한 이미지

Looking Ahead 한눈에 보기

개발
난징대학교, Tencent ARC Lab, 저장대학교
공개
코드 및 가중치 2026년 10월 21일 공개; arXiv 2610.29989
방법
Future Chunk Prediction (학습 전용)
체크포인트
1.3B와 5B, 각각 FCP 및 TF 베이스라인
작업
이미지-투-비디오 및 동영상 이어 생성
기본 클립
5초; 768×432 16 fps 또는 1024×576 24 fps
오픈 웨이트
예, Apache-2.0
검열 없는 버전?
아직 발견되지 않음

Looking Ahead 검열 없는 동영상 생성기 (대체 옵션)

이미지→영상

사진을 올리고 움직임을 설명하세요. Spicy AI가 짧은 영상으로 만들어 줍니다.

사진이 영상으로 움직입니다.

프롬프트 예시

예시 프롬프트는 영어입니다. 영어가 가장 안정적인 결과를 냅니다.

Looking Ahead를 만든 곳과 그 실체

Looking Ahead는 Tencent ARC Lab과 학계 파트너들이 시작한 새로운 동영상 연구 라인의 첫 번째 결과물로, 논문 "Looking Ahead: Modeling Future Evolution in Autoregressive Video Generation"으로 발표되었습니다. 저자는 Ruopeng Gao, Yukun Huang(프로젝트 리더), Jiarui Hu, Shuai Wang, Wenbo Hu, Ying Shan, Limin Wang(교신 저자)입니다. 상용 앱이 아니므로 제품 사이트, 구독, 호스팅 엔드포인트가 없습니다. 팀은 논문, GitHub 저장소, Hugging Face의 체크포인트 4개를 하나의 결과물로 공개하며, 실행은 사용자가 직접 해야 합니다. 1.3B 체크포인트는 Wan2.1-T2V-1.3B를, 5B 체크포인트는 Wan2.2-TI2V-5B를 기반으로 학습되었기 때문에, 완전히 새로운 아키텍처라기보다는 Alibaba의 오픈 Wan 베이스에 더 정교한 학습 레시피를 적용한 것으로 이해하는 것이 가장 정확합니다.

사람들이 검열 없는 Looking Ahead를 찾는 이유

호스팅 서비스 없이 가중치만 공개되었다는 것은 사용자와 모델 사이에 플랫폼 모더레이션 계층이 없다는 뜻이므로, 성인 콘텐츠 크리에이터들이 검열 없는 동영상 모델인지 궁금해하는 것은 자연스러운 일입니다. 솔직한 답은 '반반'입니다. 가중치는 무료로 로컬에서 실행할 수 있고 모델 카드에도 별도의 콘텐츠 정책이 명시되어 있지 않지만, 학습 데이터는 일반적인 실사 영상이며 지금까지 검열 없는 Looking Ahead 파인튜닝, LoRA, 양자화 버전을 공개한 사람은 없습니다. Wan 2.2용 NSFW LoRA는 존재하지만 FCP 체크포인트에 로드된다는 것을 보여준 사람은 없습니다. 60 GB를 다운로드하지 않고 오늘 당장 성인 사진으로 검열 없는 움직임을 만들고 싶다면, 이 페이지의 생성기가 브라우저에서 바로 해결해 줍니다.

GPU 설정은 건너뛰세요: 성인 사진을 업로드하고 원하는 움직임을 설명하면 됩니다. 동의한 성인을 위한 콘텐츠 필터는 없습니다.

검열 없는 이미지-투-비디오 사용해 보기 →

Looking Ahead가 깨뜨리기 위해 만들어진 지름길

자기회귀 동영상 모델은 클립을 청크 단위로 생성합니다. 일반적인 teacher forcing 학습에서 모델은 실제 이전 프레임을 보고 다음 청크의 노이즈만 제거하면 됩니다. 인접한 청크는 거의 똑같아 보이기 때문에, 모델은 다음에 물리적으로 무슨 일이 일어나야 하는지 배우지 않아도 마지막 프레임의 색과 움직임을 연장하는 것만으로 좋은 점수를 받을 수 있습니다. 논문은 이를 시간적 중복성이 만들어 낸 지름길이라고 부릅니다. FCP는 이 쉬운 길을 막습니다. 현재 청크의 특징으로부터 추가 헤드가 더 먼 미래의 청크(5B 모델에서는 1~5단계 앞)를 중간 프레임을 보지 않고 예측해야 합니다. 프로젝트 페이지에서는 순서대로 계속 넘어지는 도미노와 녹으면서 수위를 높이는 얼음처럼 베이스라인이 어긋나는 사례로 그 효과를 보여줍니다.

다섯 가지 설계 선택으로 보는 미래 청크 예측

FCP 레시피는 작지만 의도적이며, 각 선택마다 논문에 이를 뒷받침하는 어블레이션이 있습니다. 이 연구를 재현하거나 확장하려는 경우 중요한 포인트는 다음과 같습니다:

  • 체인이 아닌 병렬 헤드: 각 미래 오프셋마다 동일한 현재 청크 특징을 조건으로 하는 별도의 예측기가 있습니다. 5B에서 병렬 오프셋 5개는 Physics-IQ 33.8을 기록한 반면, 체인 방식의 5오프셋 변형은 31.0으로 떨어졌습니다.
  • 현재 청크만 사용: 예측기는 전체 이력이 아니라 현재 청크만 봅니다. 저자들에 따르면 같은 품질에서 전체 컨텍스트 방식보다 비용이 적게 듭니다.
  • 두 가지 지도 신호: 미래 예측 손실을 깨끗한 컨텍스트 잠재 표현과 노이즈가 있는 현재 잠재 표현 모두에 추가합니다. 둘을 합치면 1.3B 어블레이션에서 3.3점이 향상됩니다.
  • 보조 헤드에는 텍스트 없음: 예측기에 텍스트 조건을 추가하면 점수가 1.1 낮아졌는데, 캡션이 나중에 일어날 일을 누설할 수 있기 때문입니다.
  • 추론 오버헤드 제로: 모든 FCP 모듈은 학습 후 폐기되므로, 학습된 체크포인트는 일반 자기회귀 모델과 똑같이 샘플링됩니다.

Looking Ahead 1.3B vs 5B: 어떤 체크포인트를 다운로드할까

Hugging Face 저장소에는 model_ema.pt 파일 4개가 있습니다. 크기별로 FCP 체크포인트와 teacher forcing(TF) 베이스라인이 하나씩 있으며, 합계 약 63.2 GiB입니다. FCP 파일은 학습 전용 헤드를 그대로 포함하고 있어 TF 파일보다 큽니다. 로더가 해당 텐서를 걸러내지만, 디스크 공간과 파일을 읽을 충분한 CPU 메모리는 여전히 필요합니다. 또한 대응하는 Wan 베이스 가중치, T5 인코더, VAE도 필요합니다. 대부분의 사용자에게는 1.3B FCP 체크포인트가 시작점이며, 5B FCP 체크포인트는 대용량 GPU가 있고 논문의 대표 결과를 얻고 싶을 때 적합합니다.

1.3B5B
베이스 모델Wan2.1-T2V-1.3BWan2.2-TI2V-5B
출력768×432, 16 fps1024×576, 24 fps
FCP 파일≈ 8.01 GB≈ 34.20 GB
TF 베이스라인 파일≈ 5.68 GB≈ 20.00 GB
학습 시 미래 오프셋1–31–5
Physics-IQ (TF → FCP)27.6 → 30.930.4 → 33.8

파일 크기는 Hugging Face API 기준, 점수는 논문 표 2(이미지-투-비디오) 기준입니다.

작업대 위에 높이가 다른 두 개의 빛나는 저장 드라이브 더미가 놓여 있어, 작은 동영상 모델 체크포인트와 큰 체크포인트를 비교하는 이미지

얼마나 더 좋아졌을까? 벤치마크 읽는 법

공정한 비교는 동일한 Wan2.2-TI2V-5B 베이스, 데이터, 스케줄로 FCP 유무만 다르게 학습한 통제 비교입니다. 여기서 이미지-투-비디오 Physics-IQ는 30.4에서 33.8로, 동영상 이어 생성은 40.6에서 44.4로 상승합니다. 다른 지표에서의 향상은 더 작습니다. 모델 간 비교표에서 5B 체크포인트는 Wan2.2-14B(32.2), HunyuanVideo-1.5(33.4), Sora 2(26.5)를 근소하게 앞서고 Grok Imagine Video(34.8)에는 뒤지지만, 저자들은 이 모델들이 데이터와 설정 면에서 다르다고 경고합니다. 미적 품질, 긴 클립, 오디오, 사람의 선호도는 평가되지 않았으므로, 이 결과는 전반적인 품질 도약이 아니라 물리적 개연성의 향상으로 읽어야 합니다.

벤치마크 (5B)TF 베이스라인FCP
Physics-IQ, 이미지-투-비디오30.433.8
Physics-IQ, 비디오-투-비디오40.644.4
WorldModelBench7.227.64
PAI-Bench-G81.1382.38
PhyGround2.752.80

Looking Ahead vs 출발점이 된 Wan 2.2 베이스

기본 Wan2.2-TI2V-5B와 비교하면, 5B FCP 체크포인트는 같은 백본을 유지하지만 눈에 띄는 세 가지가 달라집니다. 첫째, 시각적 조건이 필요합니다. T2V라는 이름의 config도 텍스트만으로는 실행되지 않으므로 이미지-투-비디오 및 이어 생성 모델입니다. 둘째, Wan 기본값인 1280×704가 아니라 1024×576, 24 fps로 렌더링합니다. 셋째, 청크 단위로 자기회귀 생성을 하기 때문에 동영상 이어 생성이 핵심 작업입니다. 대신 포기해야 하는 것은 Wan의 생태계입니다. 아직 공식 ComfyUI나 Diffusers 노드, LoRA 로더, GGUF 또는 FP8 버전이 없습니다.

Looking Ahead 로컬 실행: 다운로드, VRAM, 첫 클립

팀은 NVIDIA H200, Python 3.12, PyTorch 2.10, CUDA 12.8을 사용한 Linux 환경에서만 코드를 테스트했으며, Windows 지원은 아직 열린 이슈입니다. 최소 VRAM은 공개되지 않았습니다. 대략적인 기준으로 Wan2.1 1.3B 베이스는 약 8 GB, Wan2.2 5B는 오프로딩 시 24 GB로 안내되어 있고, 코드는 여유 메모리가 40 GB 미만이면 T5 인코더를 GPU에서 내리지만, 24 GB 카드에서 5B 모델이 실행되는지는 검증되지 않았습니다. 기본 흐름:

  • uv로 설치(uv sync --python 3.12)하고 FFmpeg를 추가합니다.
  • 베이스를 다운로드합니다. 예를 들어 hf download Wan-AI/Wan2.1-T2V-1.3B를 실행한 뒤 hf download TencentARC/Looking-Ahead를 실행하고, 하위 폴더 4개를 모두 유지합니다.
  • 이미지-투-비디오: --config fcp_wan21_t2v_1.3b, 체크포인트 경로, --use_ema, --image_path, --prompt_file, --duration 5s를 지정해 inference.py를 실행합니다.
  • 동영상 이어 생성: --image_path를 --video_path로 바꾸고 --sink 3을 추가합니다. 기본적으로 클립의 끝부분이 컨텍스트가 됩니다.
  • --duration에는 컨텍스트가 포함된다는 점을 기억하세요. 5초짜리 5B 클립은 컨텍스트 25프레임과 새 프레임 95개로 구성됩니다.
  • 입력은 크기 조정 후 중앙 크롭되므로 피사체를 가장자리에서 멀리 두세요. ComfyUI는 아직 지원되지 않습니다.
터미널 창과 호수 위 범선을 렌더링한 동영상 프레임이 띄워진 워크스테이션으로, 로컬 이미지-투-비디오 환경을 보여주는 이미지

자연스러운 움직임을 위한 Looking Ahead 프롬프트 작성법

이미지가 이미 외형을 정해 주므로, 프롬프트의 역할은 5초 동안 무엇이 변하는지를 설명하는 것입니다. 모델은 인과 관계를 예측하도록 학습되었기 때문에, 명확한 물리적 사건을 지정하는 프롬프트가 강점을 살립니다. 공식 예시는 영어로 되어 있으며 다른 언어는 테스트되지 않았습니다. 간단한 공식은 피사체 + 동작 + 물리적 결과 + 카메라입니다. 복사해서 응용할 수 있는 템플릿:

  • 인과 관계: "[물체]가 [표면] 가장자리에서 기울어져 떨어지고 [결과], 카메라는 고정."
  • 유체: "[액체]가 [용기]에서 유리잔으로 부어지고, 수위가 꾸준히 올라가며 위에 거품이 생긴다, 클로즈업."
  • 이어 생성: "장면을 이어서: [피사체]가 계속 [현재 동작]을 하다가 [다음 동작], 같은 조명과 앵글."
  • 인물 움직임: "성인 [인물]이 창문 쪽으로 몸을 돌리고, 머리카락이 산들바람에 흩날린다, 부드러운 빛, 느린 푸시인."
  • 클립당 주요 사건은 하나로 유지하고, 장면 전환을 피하며, 스타일 단어를 늘어놓기보다 속도(천천히, 갑자기)를 묘사하세요.

Looking Ahead의 자리: 연구, 월드 모델, 크리에이터

이번 공개는 단지 보기 좋은 영상이 아니라 물리 법칙을 따르는 영상을 목표로 하는 월드 모델 논의 한가운데에 등장했습니다. 학습 목표를 연구하는 연구자들은 FCP와 TF 체크포인트를 직접 비교할 수 있는데, 이는 오픈 공개에서는 드문 일입니다. 로보틱스나 시뮬레이션 스타일 영상을 프로토타이핑하는 팀은 떨어지고, 붓고, 구르는 동작이 올바르게 동작하는지를 중요하게 여깁니다. 크리에이터에게 실용적인 용도는 짧은 이어 생성으로, 붓는 장면, 물보라, 춤 클립을 장면이 어긋나지 않게 몇 초 더 늘릴 수 있습니다. 반응은 아직 초기 단계입니다. 공개 이틀 후 GitHub 저장소의 스타는 약 65개, 논문 페이지의 추천은 118개로, 대중적인 채택이라기보다는 연구 커뮤니티의 반응입니다.

Looking Ahead는 오픈 소스이고 무료인가요?

네. 코드와 체크포인트 4개는 Apache-2.0으로 공개되어, 라이선스, NOTICE 파일, 저작자 표시를 유지하는 한 상업적 사용, 수정, 재배포가 허용됩니다. NOTICE에는 Wan 베이스와 기타 구성 요소에 대한 표기도 포함되어 있고 WISA 학습 데이터는 이에 포함되지 않으므로, 상용 제품을 만들기 전에 해당 조건을 확인하세요. 논문 자체는 CC BY 4.0입니다. 공식 API나 호스팅 데모가 없으므로 실제 비용은 본인의 GPU 시간입니다.

검열 없는 Looking Ahead 모델이 있나요?

별도의 공개 버전은 없습니다. 2026년 10월 23일 기준으로 Hugging Face에서 이름을 검색하면 공식 TencentARC 저장소만 나오며, 검열 없는 버전이나 NSFW 파인튜닝, LoRA, 양자화 사본은 없습니다. 오픈 웨이트를 직접 실행하면 플랫폼 필터는 피할 수 있지만, 모델은 성인 콘텐츠용으로 학습되지 않았고 팀도 NSFW 용도를 홍보하지 않습니다. 로컬 설치 없이 검열 없는 Looking Ahead 스타일의 사진 애니메이션을 원한다면, 이 사이트에서 동의한 성인(18세 이상)을 위한 유사한 필터 없는 이미지-투-비디오 도구를 이용할 수 있습니다.

동의한 성인의 사진을 업로드하고 움직임을 한 문장으로 설명하세요.

검열 없는 이미지-투-비디오 열기 →

일부 보도가 잘못 전하는 세 가지

초기 2차 보도에서는 논문이 뒷받침하지 않는 세부 내용이 반복되었습니다. 인용하기 전에 다음을 확인하세요:

  • 참여 기관은 난징대학교, Tencent ARC Lab, 저장대학교이며, 칭화대학교가 아닙니다.
  • 이 방법은 학습 목표(Future Chunk Prediction)이지 "lookahead attention" 레이어가 아니며, 추론 시에는 아무것도 추가하지 않습니다.
  • 대표 지표는 Physics-IQ입니다. 구조적 일관성 94.8%나 FVD 28.6% 감소 같은 수치는 논문에 나오지 않습니다. 길고 어긋남 없는 동영상도 주장하지 않습니다. 클립은 5초 길이로 학습되었습니다.

검열 없는 사진-투-비디오로 인기 있는 작업

사진을 모션 클립으로

성인 인물 사진을 업로드하고 돌아보기, 미소 짓기, 걷기 같은 동작 하나를 설명하면 짧은 클립이 만들어집니다.

부두아 & 패션 루프

스타일링된 사진에 옷감의 움직임, 깜빡이는 조명, 느린 카메라 푸시를 더해 SNS 티저로 활용하세요.

스토리 장면

성인 로맨스나 판타지 장면의 키 프레임을 세로형 또는 와이드 포맷으로 한 순간씩 애니메이션으로 만드세요.

Looking Ahead로 첫 렌더링을 하기 전 실전 메모

  1. 1.3B FCP 체크포인트로 시작하고, 대용량 GPU와 충분한 디스크 공간이 있을 때만 5B로 넘어가세요.
  2. 63.2 GiB의 체크포인트와 Wan 베이스, T5, VAE 파일을 위한 디스크 공간을 확보하세요.
  3. 피사체를 중앙에 두세요: 입력은 16:9로 중앙 크롭됩니다.
  4. 5초 이내로 유지하세요. 더 긴 생성은 기본적인 롤링 캐시를 사용하며 품질이 보장되지 않습니다.
  5. 시드 42와 기본 샘플러(UniPC, 50스텝, CFG 3.0)로 공식 예시를 재현할 수 있습니다.
  6. 성인(18세 이상)의 이미지만 사용하고, 실존 인물의 이미지는 본인 동의 없이 절대 사용하지 마세요.

Looking Ahead 직접 호스팅 vs 온라인 생성

로컬 배포(공식 가중치)Spicy AI 온라인
콘텐츠 필터Tencent ARC Lab이(가) 설정콘텐츠 필터 없음
오픈 웨이트예필요 없음 — 브라우저에서 실행
시작 비용요금제에 따라 다름무료 이용 가능
  • 브라우저에서 이미지→영상
  • 무료 대기열 0크레딧(로그인 필요, 일일 한도)
  • 세로(9:16)와 가로(16:9) 영상

자주 묻는 질문

모델인가요, 학습 방법인가요?

둘 다입니다. 논문은 Future Chunk Prediction을 제안하고, 팀은 직접 실행할 수 있는 학습된 체크포인트 4개(1.3B와 5B, FCP와 TF 베이스라인)를 공개합니다.

Looking Ahead는 Wan 3.0과 같은 건가요?

아닙니다. 체크포인트는 Wan2.1-T2V-1.3B와 Wan2.2-TI2V-5B를 기반으로 학습되었습니다. Wan 3.0도, Alibaba의 공개작도 아닙니다.

텍스트만으로 동영상을 생성할 수 있나요?

아니요. T2V라는 이름의 config라도 입력 이미지나 동영상이 필요하므로, 이미지-투-비디오와 동영상 이어 생성을 합니다.

RTX 4090에서 실행할 수 있나요?

1.3B 모델은 가능할 수도 있지만, 최소 VRAM이 공개되지 않았고 팀은 H200 GPU에서만 테스트했습니다. 24 GB에서 5B 모델 실행은 검증되지 않았습니다.

ComfyUI에서 작동하나요?

공식적으로는 아닙니다. 아직 ComfyUI나 Diffusers 노드, LoRA 로더, 양자화 버전이 없습니다.

검열 없는 Looking Ahead가 있나요?

검열 없는 파인튜닝은 공개되지 않았습니다. 브라우저에서 검열 없는 사진-투-비디오를 원한다면 이 페이지의 생성기를 사용하세요.

Spicy AI는 Tencent ARC Lab와(과) 관련이 있나요?

아니요. Spicy AI는 독립 플랫폼이며 Tencent ARC Lab와(과) 제휴하거나 보증을 받지 않았습니다. Looking Ahead은(는) 해당 소유자의 상표입니다.

무료인가요?

무료로 시작할 수 있습니다. 로그인하면 Spicy AI의 무료 영상 대기열이 MiniMax H3 Turbo로 사진을 0크레딧에 움직여 줍니다(일일 한도 있음). 빠른 대기열, 다른 영상 모델, 더 긴 영상에는 크레딧이 필요합니다.

출처

Spicy AI는 Tencent ARC Lab와(과) 관련이 없습니다. Looking Ahead 및 기타 제품명은 각 소유자의 상표이며, 식별 목적으로만 사용됩니다. 모든 콘텐츠는 성인(18세 이상)을 묘사해야 합니다.

Sign in

Welcome to Spicy AI

or