IA sem censura · vídeo · Tencent ARC Lab

Looking Ahead sem censura: modelo de vídeo com IA que entende a física do movimento a partir de um único quadro

Pergunte à IA ▾

Looking Ahead é o modelo de vídeo autorregressivo de pesos abertos lançado pelo Tencent ARC Lab, pela Universidade de Nanquim e pela Universidade de Zhejiang em 21 de outubro de 2026. O segredo dele é um método de treinamento chamado Future Chunk Prediction (FCP, previsão de blocos futuros), que ensina o modelo a entender como uma cena vai evoluir em vez de apenas copiar os últimos quadros. Este guia explica o que ele faz, qual checkpoint escolher, como executá-lo, como escrever prompts e se existe um Looking Ahead sem censura. Para animar agora mesmo sua própria foto adulta, use o gerador de vídeo sem censura abaixo.

  • Grátis para começar
  • Sem filtros
  • No navegador
Anime uma foto sem filtros →Fileira de dominós caindo, congelados no meio do movimento, ao lado de quadros de vídeo futuros brilhantes, representando o modelo de vídeo com IA Looking Ahead

Looking Ahead em resumo

Lançado por
Universidade de Nanquim, Tencent ARC Lab, Universidade de Zhejiang
Lançamento
Código e pesos em 21 de outubro de 2026; arXiv 2610.29989
Método
Future Chunk Prediction (apenas no treinamento)
Checkpoints
1.3B e 5B, cada um em versão FCP e baseline TF
Tarefas
Imagem para vídeo e continuação de vídeo
Clipe padrão
5 segundos; 768×432 a 16 fps ou 1024×576 a 24 fps
Pesos abertos
Sim, Apache-2.0
Versão sem censura?
Nenhuma encontrada até agora

Gerador de vídeo sem censura Looking Ahead (opção alternativa)

Imagem para vídeo

Envie uma foto e descreva o movimento — o Spicy AI a transforma em um clipe curto.

Sua foto será animada.

Experimente um prompt

Os prompts de exemplo estão em inglês, que dá os resultados mais confiáveis.

Quem criou o Looking Ahead e o que ele realmente é

Looking Ahead é o primeiro lançamento de uma nova linha de pesquisa em vídeo do Tencent ARC Lab e de seus parceiros acadêmicos, publicado no artigo "Looking Ahead: Modeling Future Evolution in Autoregressive Video Generation". Os autores são Ruopeng Gao, Yukun Huang (líder do projeto), Jiarui Hu, Shuai Wang, Wenbo Hu, Ying Shan e Limin Wang (autor correspondente). Não é um aplicativo comercial: não há site de produto, assinatura nem endpoint hospedado. A equipe publica o trabalho como um todo — um artigo, um repositório no GitHub e quatro checkpoints no Hugging Face — e você mesmo o executa. Os checkpoints de 1.3B foram treinados sobre o Wan2.1-T2V-1.3B e os de 5B sobre o Wan2.2-TI2V-5B, então o lançamento é melhor entendido como uma receita de treinamento mais refinada aplicada às bases abertas Wan da Alibaba, e não como uma arquitetura totalmente nova.

Por que as pessoas procuram o Looking Ahead sem censura

Pesos abertos sem serviço hospedado significam que não há uma camada de moderação de plataforma entre você e o modelo, por isso criadores de conteúdo adulto naturalmente perguntam se ele é um modelo de vídeo sem censura. A resposta honesta é: depende. Os pesos podem ser executados localmente de graça e o model card não lista nenhuma política de conteúdo adicional, mas os dados de treinamento são filmagens gerais do mundo real e, até agora, ninguém publicou um fine-tune, LoRA ou versão quantizada do Looking Ahead sem censura. Existem LoRAs NSFW feitos para o Wan 2.2, mas ninguém demonstrou que eles funcionam nos checkpoints FCP. Se você quer movimento sem censura a partir de uma foto adulta hoje, sem baixar 60 GB, o gerador desta página faz isso no seu navegador.

Pule a configuração de GPU: envie uma foto adulta e descreva o movimento que deseja, sem filtros de conteúdo para adultos que consentem.

Experimente imagem para vídeo sem censura →

O atalho que o Looking Ahead foi criado para eliminar

Modelos de vídeo autorregressivos geram um clipe bloco a bloco. No treinamento padrão com teacher forcing, o modelo vê os quadros anteriores reais e só precisa remover o ruído do próximo bloco. Como blocos vizinhos são quase idênticos, o modelo consegue boas pontuações apenas estendendo cores e movimentos dos últimos quadros, sem aprender o que deveria acontecer fisicamente em seguida. O artigo chama isso de atalho criado pela redundância temporal. O FCP elimina esse caminho fácil: a partir das características do bloco atual, cabeças extras precisam prever blocos mais à frente — de um a cinco passos no modelo 5B — sem ver os quadros intermediários. A página do projeto mostra o efeito com dominós que continuam caindo em ordem e gelo derretendo que eleva o nível da água, casos em que o baseline se desvia.

A previsão de blocos futuros em cinco decisões de design

A receita do FCP é pequena, mas deliberada, e cada escolha tem uma ablação no artigo que a sustenta. Estes são os pontos que importam se você quiser reproduzir ou ampliar o trabalho:

  • Cabeças paralelas, não em cadeia: cada deslocamento futuro tem seu próprio preditor, condicionado às mesmas características do bloco atual. No 5B, cinco deslocamentos paralelos marcaram 33.8 no Physics-IQ, enquanto uma variante encadeada com cinco deslocamentos caiu para 31.0.
  • Apenas o bloco atual: os preditores veem o bloco atual, não todo o histórico, o que segundo os autores é mais barato que designs de contexto completo com a mesma qualidade.
  • Duas fontes de supervisão: perdas de previsão futura são aplicadas tanto aos latentes de contexto limpos quanto aos latentes atuais com ruído; juntas, elas somam 3.3 pontos na ablação do 1.3B.
  • Sem texto nas cabeças auxiliares: adicionar condicionamento por texto aos preditores reduziu a pontuação em 1.1, porque as legendas podem revelar o que acontece depois.
  • Zero custo extra na inferência: todos os módulos FCP são descartados após o treinamento, então um checkpoint treinado gera amostras exatamente como um modelo autorregressivo comum.

Looking Ahead 1.3B vs 5B: qual checkpoint baixar

O repositório no Hugging Face contém quatro arquivos model_ema.pt: um checkpoint FCP e um baseline de teacher forcing (TF) para cada tamanho, cerca de 63.2 GiB no total. Os arquivos FCP são maiores que os TF porque ainda contêm as cabeças usadas só no treinamento; o carregador filtra esses tensores, mas você ainda precisa do espaço em disco e de memória de CPU suficiente para ler o arquivo. Você também precisa dos pesos base Wan correspondentes, do codificador T5 e do VAE. Para a maioria das pessoas, o checkpoint FCP de 1.3B é o ponto de partida, e o checkpoint FCP de 5B é para quando você tem uma GPU grande e quer os resultados de destaque do artigo.

1.3B5B
Modelo baseWan2.1-T2V-1.3BWan2.2-TI2V-5B
Saída768×432, 16 fps1024×576, 24 fps
Arquivo FCP≈ 8.01 GB≈ 34.20 GB
Arquivo baseline TF≈ 5.68 GB≈ 20.00 GB
Deslocamentos futuros no treinamento1–31–5
Physics-IQ (TF → FCP)27.6 → 30.930.4 → 33.8

Tamanhos de arquivo obtidos pela API do Hugging Face; pontuações da Tabela 2 do artigo (imagem para vídeo).

Duas pilhas de unidades de armazenamento brilhantes de alturas diferentes sobre uma bancada, comparando um checkpoint de modelo de vídeo pequeno e um grande

Quanto ele é melhor? Interpretando os benchmarks

A comparação justa é a controlada, em que a mesma base Wan2.2-TI2V-5B, os mesmos dados e o mesmo cronograma são treinados com e sem FCP. Nela, o Physics-IQ de imagem para vídeo sobe de 30.4 para 33.8 e o de continuação de vídeo de 40.6 para 44.4. Nos demais casos, os ganhos são menores. Em uma tabela entre modelos, o checkpoint 5B também supera por pouco o Wan2.2-14B (32.2), o HunyuanVideo-1.5 (33.4) e o Sora 2 (26.5) e fica atrás do Grok Imagine Video (34.8), mas os autores alertam que esses modelos diferem em dados e configuração. Estética, clipes longos, áudio e preferência humana não foram avaliados, então interprete o resultado como um ganho de plausibilidade física, não como um salto amplo de qualidade.

Benchmark (5B)Baseline TFFCP
Physics-IQ, imagem para vídeo30.433.8
Physics-IQ, vídeo para vídeo40.644.4
WorldModelBench7.227.64
PAI-Bench-G81.1382.38
PhyGround2.752.80

Looking Ahead vs a base Wan 2.2 da qual ele parte

Em comparação com o Wan2.2-TI2V-5B puro, o checkpoint FCP de 5B mantém o mesmo backbone, mas muda três coisas que você vai notar. Ele precisa de uma condição visual: mesmo configs chamadas T2V não rodam só com texto, então é um modelo de imagem para vídeo e de continuação. Ele renderiza em 1024×576 e 24 fps em vez dos 1280×704 nativos do Wan. E gera de forma autorregressiva em blocos, por isso a continuação de vídeo é uma tarefa de primeira classe. O que você perde é o ecossistema do Wan: ainda não há nós oficiais para ComfyUI ou Diffusers, carregador de LoRA nem versões GGUF ou FP8.

Rode o Looking Ahead localmente: download, VRAM e primeiro clipe

A equipe testou o código apenas no Linux com uma NVIDIA H200, Python 3.12, PyTorch 2.10 e CUDA 12.8; o suporte a Windows é uma issue em aberto. Nenhuma VRAM mínima foi publicada. Como referência aproximada, a base Wan2.1 1.3B é indicada para cerca de 8 GB e a Wan2.2 5B para 24 GB com offloading, e o código tira o codificador T5 da GPU quando há menos de 40 GB livres, mas uma placa de 24 GB rodando o modelo 5B não foi verificada. O fluxo básico:

  • Instale com uv (uv sync --python 3.12) e adicione o FFmpeg.
  • Baixe a base, por exemplo hf download Wan-AI/Wan2.1-T2V-1.3B, depois hf download TencentARC/Looking-Ahead e mantenha as quatro subpastas.
  • Imagem para vídeo: execute inference.py com --config fcp_wan21_t2v_1.3b, o caminho do checkpoint, --use_ema, --image_path, um --prompt_file e --duration 5s.
  • Continuação de vídeo: troque --image_path por --video_path e adicione --sink 3; por padrão, o final do seu clipe vira o contexto.
  • Lembre-se de que --duration inclui o contexto: um clipe de 5 segundos no 5B tem 25 quadros de contexto mais 95 quadros novos.
  • As entradas são redimensionadas e recortadas no centro, então mantenha o tema longe das bordas. O ComfyUI ainda não é suportado.
Estação de trabalho com uma janela de terminal e um quadro de vídeo renderizado de um veleiro em um lago, mostrando uma configuração local de imagem para vídeo

Prompts para o Looking Ahead gerar movimentos convincentes

Como a imagem já define a aparência, a função do prompt é descrever o que muda ao longo de cinco segundos. O modelo foi treinado para antecipar causa e efeito, então prompts que nomeiam um evento físico claro exploram seu ponto forte. Os exemplos oficiais estão em inglês; outros idiomas não foram testados. Uma fórmula simples é tema + ação + consequência física + câmera. Modelos para copiar e adaptar:

  • Causa e efeito: "O [objeto] tomba da borda da [superfície], cai e [resultado], a câmera permanece parada."
  • Fluidos: "[Líquido] é despejado do [recipiente] em um copo, o nível sobe de forma constante e se forma espuma no topo, close-up."
  • Continuação: "Continue a cena: o [tema] continua [ação atual] e depois [próxima ação], mesma iluminação e ângulo."
  • Movimento de retrato: "A [pessoa] adulta se vira para a janela, o cabelo se move com a brisa, luz suave, aproximação lenta."
  • Mantenha um evento principal por clipe, evite cortes de cena e descreva a velocidade (lentamente, de repente) em vez de empilhar termos de estilo.

Onde o Looking Ahead se encaixa: pesquisa, world models e criadores

O lançamento chega em meio à discussão sobre world models, em que o objetivo é um vídeo que obedeça à física, e não apenas que seja bonito. Pesquisadores que estudam objetivos de treinamento podem comparar diretamente os checkpoints FCP e TF, algo raro em lançamentos abertos. Equipes que prototipam imagens de robótica ou no estilo de simulação se importam com quedas, despejos e rolamentos se comportando corretamente. Para criadores, o uso prático são continuações curtas: estender por alguns segundos um clipe de algo sendo despejado, de um respingo ou de uma dança sem que a cena se desvie. A recepção ainda é inicial. Dois dias após o lançamento, o repositório no GitHub tinha cerca de 65 estrelas e a página do artigo 118 votos positivos, um sinal da comunidade de pesquisa, e não de adoção em massa.

O Looking Ahead é open source e gratuito?

Sim. O código e os quatro checkpoints são lançados sob Apache-2.0, que permite uso comercial, modificação e redistribuição, desde que você mantenha a licença, o arquivo NOTICE e a atribuição. O NOTICE também credita as bases Wan e outros componentes, e os dados de treinamento WISA não são cobertos por ele, então verifique esses termos antes de criar um produto comercial. O artigo em si está sob CC BY 4.0. Não há API oficial nem demo hospedada, então o custo real é o seu próprio tempo de GPU.

Existe um modelo Looking Ahead sem censura?

Não como um lançamento separado. Em 23 de outubro de 2026, uma busca pelo nome no Hugging Face retorna apenas o repositório oficial TencentARC, sem fine-tunes, LoRAs ou cópias quantizadas sem censura ou NSFW. Rodar os pesos abertos por conta própria evita o filtro de uma plataforma, mas o modelo não foi treinado para conteúdo adulto e a equipe não divulga uso NSFW. Para animar fotos no estilo do Looking Ahead sem censura e sem instalação local, há neste site uma ferramenta semelhante de imagem para vídeo sem filtros para adultos que consentem (18+).

Envie a foto de um adulto que consente e descreva o movimento em uma frase.

Abrir imagem para vídeo sem censura →

Três coisas que parte da cobertura erra

A cobertura secundária inicial repetiu detalhes que o artigo não sustenta. Confira estes pontos antes de citar qualquer coisa:

  • As instituições são a Universidade de Nanquim, o Tencent ARC Lab e a Universidade de Zhejiang, não Tsinghua.
  • O método é um objetivo de treinamento (Future Chunk Prediction), não uma camada de "lookahead attention", e não adiciona nada na inferência.
  • A métrica principal é o Physics-IQ; números como 94.8% de consistência estrutural ou queda de 28.6% no FVD não aparecem no artigo. Vídeos longos e sem desvio também não são prometidos: os clipes são treinados com 5 segundos.

O que mais se cria com foto para vídeo sem censura

De foto para clipe em movimento

Envie um retrato adulto e descreva um movimento, como virar-se, sorrir ou caminhar, para obter um clipe curto.

Loops boudoir e de moda

Adicione movimento de tecido, cintilação de luz ou uma aproximação lenta da câmera a uma foto produzida para teasers nas redes sociais.

Momentos de uma história

Anime quadros-chave de uma cena adulta de romance ou fantasia, um momento por vez, em formato vertical ou widescreen.

Anotações práticas antes da sua primeira renderização com Looking Ahead

  1. Comece com o checkpoint FCP de 1.3B; passe para o 5B apenas com uma GPU grande e bastante espaço em disco.
  2. Reserve espaço em disco para os 63.2 GiB de checkpoints, além dos arquivos da base Wan, do T5 e do VAE.
  3. Mantenha o tema centralizado: as entradas são recortadas no centro para 16:9.
  4. Fique dentro de 5 segundos; gerações mais longas usam um cache rotativo básico e a qualidade não é garantida.
  5. A seed 42 e o sampler padrão (UniPC, 50 passos, CFG 3.0) reproduzem os exemplos oficiais.
  6. Use apenas imagens de adultos (18+) e nunca de pessoas reais sem o consentimento delas.

Hospedar o Looking Ahead por conta própria vs. gerar online

Implantação local (pesos oficiais)Spicy AI online
Filtros de conteúdoDefinidos pela Tencent ARC LabSem filtros de conteúdo
Pesos abertosSimNão precisa — roda no navegador
Preço para começarDepende do planoPlano grátis disponível
  • Imagem para vídeo no navegador
  • Fila grátis por 0 créditos (com login, limite diário)
  • Clipes verticais (9:16) e horizontais (16:9)

Perguntas frequentes

É um modelo ou um método de treinamento?

Os dois. O artigo apresenta o Future Chunk Prediction, e a equipe lança quatro checkpoints treinados (1.3B e 5B, FCP e baseline TF) que você pode executar.

O Looking Ahead é o mesmo que o Wan 3.0?

Não. Seus checkpoints são treinados sobre o Wan2.1-T2V-1.3B e o Wan2.2-TI2V-5B. Não é o Wan 3.0 nem um lançamento da Alibaba.

Ele gera vídeo só a partir de texto?

Não. Ele precisa de uma imagem ou vídeo de entrada, mesmo com configs chamadas T2V, então faz imagem para vídeo e continuação de vídeo.

Dá para rodar em uma RTX 4090?

Possivelmente o modelo 1.3B, mas nenhuma VRAM mínima foi publicada e a equipe só testou em GPUs H200. O modelo 5B em 24 GB não foi verificado.

Funciona no ComfyUI?

Não oficialmente. Ainda não há nós para ComfyUI ou Diffusers, carregador de LoRA nem versões quantizadas.

Existe um Looking Ahead sem censura?

Nenhum fine-tune sem censura foi publicado. Para foto para vídeo sem censura no navegador, use o gerador desta página.

O Spicy AI é afiliado à Tencent ARC Lab?

Não. O Spicy AI é uma plataforma independente e não é afiliado nem endossado pela Tencent ARC Lab. Looking Ahead é marca registrada de seu respectivo dono.

É grátis?

Dá para começar grátis: entre na conta e a fila de vídeo gratuita do Spicy AI anima sua foto com o MiniMax H3 Turbo por 0 créditos, com limite diário. A fila rápida, outros modelos de vídeo e clipes mais longos usam créditos.

Fontes

O Spicy AI não é afiliado à Tencent ARC Lab. Looking Ahead e outros nomes de produtos são marcas de seus respectivos donos e são usados aqui apenas para identificação. Todo o conteúdo deve retratar adultos (18+).

Sign in

Welcome to Spicy AI

or