ИИ без цензуры · Видео · Tencent ARC Lab
ИИ-модель видео Looking Ahead без цензуры: физически правдоподобное движение из одного кадра
Looking Ahead — авторегрессионная видеомодель с открытыми весами, которую Tencent ARC Lab, Нанкинский университет и Чжэцзянский университет выпустили 21 октября 2026 года. Её главная особенность — метод обучения Future Chunk Prediction (FCP), который учит модель понимать, как будет развиваться сцена, а не просто копировать последние кадры. В этом руководстве объясняется, что умеет модель, какой чекпойнт выбрать, как её запустить, как писать промпты и существует ли Looking Ahead без цензуры. Чтобы оживить собственное фото для взрослых прямо сейчас, воспользуйтесь генератором видео без цензуры ниже.
- Начните бесплатно
- Без фильтров
- Прямо в браузере

Looking Ahead вкратце
- Разработчики
- Нанкинский университет, Tencent ARC Lab, Чжэцзянский университет
- Релиз
- Код и веса — 21 октября 2026 года; arXiv 2610.29989
- Метод
- Future Chunk Prediction (только на этапе обучения)
- Чекпойнты
- 1.3B и 5B, каждый в версиях FCP и TF baseline
- Задачи
- Изображение в видео и продолжение видео
- Клип по умолчанию
- 5 секунд; 768×432 при 16 fps или 1024×576 при 24 fps
- Открытые веса
- Да, Apache-2.0
- Версия без цензуры?
- Пока не найдена
Генератор видео без цензуры Looking Ahead (альтернативный вариант)
Изображение в видеоЗагрузите фото и опишите движение — Spicy AI превратит его в короткий клип.
Попробовать промпт
Примеры промптов даны на английском — так результаты стабильнее.
Кто создал Looking Ahead и что это на самом деле
Looking Ahead — первый релиз нового направления видеоисследований Tencent ARC Lab и академических партнёров, опубликованный в статье "Looking Ahead: Modeling Future Evolution in Autoregressive Video Generation". Авторы: Ruopeng Gao, Yukun Huang (руководитель проекта), Jiarui Hu, Shuai Wang, Wenbo Hu, Ying Shan и Limin Wang (автор для корреспонденции). Это не коммерческое приложение: нет ни сайта продукта, ни подписки, ни облачного эндпойнта. Команда публикует работу целиком — статью, репозиторий на GitHub и четыре чекпойнта на Hugging Face, а запускаете вы её сами. Чекпойнты 1.3B обучены поверх Wan2.1-T2V-1.3B, а 5B — поверх Wan2.2-TI2V-5B, поэтому релиз правильнее понимать как улучшенный рецепт обучения, применённый к открытым базовым моделям Wan от Alibaba, а не как совершенно новую архитектуру.
Почему ищут Looking Ahead без цензуры
Открытые веса без облачного сервиса означают, что между вами и моделью нет слоя модерации платформы, поэтому авторы контента для взрослых закономерно спрашивают, является ли она видеомоделью без цензуры. Честный ответ неоднозначен. Веса можно бесплатно запускать локально, а в карточке модели нет дополнительной политики в отношении контента, но обучающие данные — это обычные съёмки реального мира, и пока никто не опубликовал файнтюн, LoRA или квантованную сборку Looking Ahead без цензуры. NSFW-LoRA для Wan 2.2 существуют, но никто не показал, что они загружаются в чекпойнты FCP. Если вам нужно движение без цензуры из фото для взрослых уже сегодня и без скачивания 60 ГБ, генератор на этой странице сделает это прямо в браузере.
Обойдитесь без настройки GPU: загрузите фото для взрослых и опишите нужное движение — без контент-фильтров для совершеннолетних по взаимному согласию.
Попробовать изображение в видео без цензуры →Лазейка, которую Looking Ahead призван устранить
Авторегрессионные видеомодели создают клип по чанкам. При стандартном обучении с teacher forcing модель видит реальные предыдущие кадры и должна лишь очистить от шума следующий чанк. Поскольку соседние чанки выглядят почти одинаково, модель может получать хорошие оценки, просто продолжая цвета и движение последних кадров и не понимая, что физически должно произойти дальше. В статье это названо лазейкой, возникающей из-за временной избыточности. FCP убирает лёгкий путь: по признакам текущего чанка дополнительные головы должны предсказывать более далёкие чанки — от одного до пяти шагов вперёд на модели 5B — не видя промежуточных кадров. На странице проекта эффект показан на домино, которые продолжают падать по порядку, и на тающем льде, поднимающем уровень воды, — в тех случаях, где baseline сбивается.
Предсказание будущих чанков в пяти проектных решениях
Рецепт FCP компактен, но продуман, и за каждым решением стоит абляционный эксперимент из статьи. Вот что важно, если вы хотите воспроизвести или развить работу:
- Параллельные головы, а не цепочка: для каждого будущего смещения есть свой предиктор, опирающийся на одни и те же признаки текущего чанка. На 5B пять параллельных смещений дали 33.8 по Physics-IQ, а цепочечный вариант с пятью смещениями опустился до 31.0.
- Только текущий чанк: предикторы видят текущий чанк, а не всю историю, что, по словам авторов, дешевле решений с полным контекстом при том же качестве.
- Два источника обучающего сигнала: потери предсказания будущего добавляются как к чистым латентам контекста, так и к зашумлённым текущим латентам; вместе они дают +3.3 пункта в абляции на 1.3B.
- Без текста во вспомогательных головах: добавление текстового условия в предикторы снизило оценку на 1.1, поскольку подписи могут выдавать то, что произойдёт позже.
- Нулевые накладные расходы при инференсе: все модули FCP отбрасываются после обучения, поэтому обученный чекпойнт генерирует так же, как обычная авторегрессионная модель.
Looking Ahead 1.3B или 5B: какой чекпойнт скачать
В репозитории на Hugging Face лежат четыре файла model_ema.pt: чекпойнт FCP и baseline с teacher forcing (TF) для каждого размера, всего около 63.2 GiB. Файлы FCP больше файлов TF, потому что всё ещё содержат головы, нужные только для обучения; загрузчик отфильтровывает эти тензоры, но вам всё равно понадобятся место на диске и достаточно оперативной памяти, чтобы прочитать файл. Также нужны соответствующие базовые веса Wan, энкодер T5 и VAE. Большинству стоит начать с чекпойнта 1.3B FCP, а 5B FCP — для тех, у кого мощная GPU и кто хочет получить ключевые результаты из статьи.
| 1.3B | 5B | |
|---|---|---|
| Базовая модель | Wan2.1-T2V-1.3B | Wan2.2-TI2V-5B |
| Выход | 768×432, 16 fps | 1024×576, 24 fps |
| Файл FCP | ≈ 8.01 GB | ≈ 34.20 GB |
| Файл TF baseline | ≈ 5.68 GB | ≈ 20.00 GB |
| Будущие смещения при обучении | 1–3 | 1–5 |
| Physics-IQ (TF → FCP) | 27.6 → 30.9 | 30.4 → 33.8 |
Размеры файлов — из API Hugging Face; оценки — из таблицы 2 статьи (изображение в видео).

Насколько лучше? Разбираем бенчмарки
Честное сравнение — контролируемое: одна и та же база Wan2.2-TI2V-5B, те же данные и расписание обучения, с FCP и без него. В этом случае Physics-IQ для изображения в видео растёт с 30.4 до 33.8, а для продолжения видео — с 40.6 до 44.4. В остальных метриках прирост меньше. В межмодельной таблице чекпойнт 5B также немного опережает Wan2.2-14B (32.2), HunyuanVideo-1.5 (33.4) и Sora 2 (26.5) и уступает Grok Imagine Video (34.8), но авторы предупреждают, что эти модели различаются данными и настройками. Эстетика, длинные клипы, звук и предпочтения людей не оценивались, поэтому воспринимайте результат как прирост физической правдоподобности, а не как глобальный скачок качества.
| Бенчмарк (5B) | TF baseline | FCP |
|---|---|---|
| Physics-IQ, изображение в видео | 30.4 | 33.8 |
| Physics-IQ, видео в видео | 40.6 | 44.4 |
| WorldModelBench | 7.22 | 7.64 |
| PAI-Bench-G | 81.13 | 82.38 |
| PhyGround | 2.75 | 2.80 |
Looking Ahead и базовая Wan 2.2, на которой он построен
По сравнению с обычной Wan2.2-TI2V-5B чекпойнт 5B FCP сохраняет тот же бэкбон, но меняет три заметные вещи. Ему нужно визуальное условие: даже конфиги с названием T2V не запускаются только по тексту, так что это модель изображения в видео и продолжения видео. Он рендерит в 1024×576 и 24 fps вместо родных для Wan 1280×704. И он генерирует авторегрессионно по чанкам, поэтому продолжение видео — полноценная основная задача. Платой за это становится экосистема Wan: пока нет официальных нод ComfyUI или Diffusers, загрузчика LoRA и сборок GGUF или FP8.
Запуск Looking Ahead локально: загрузка, VRAM и первый клип
Команда тестировала код только на Linux с NVIDIA H200, Python 3.12, PyTorch 2.10 и CUDA 12.8; поддержка Windows остаётся открытым вопросом. Минимальный объём VRAM не опубликован. Для грубой ориентировки: для базы Wan2.1 1.3B указано около 8 GB, для Wan2.2 5B — 24 GB с выгрузкой, а код переносит энкодер T5 с GPU, когда свободно меньше 40 GB, но работа модели 5B на карте с 24 GB не подтверждена. Базовый порядок действий:
- Установите через uv (uv sync --python 3.12) и добавьте FFmpeg.
- Скачайте базу, например hf download Wan-AI/Wan2.1-T2V-1.3B, затем hf download TencentARC/Looking-Ahead и сохраните все четыре подпапки.
- Изображение в видео: запустите inference.py с --config fcp_wan21_t2v_1.3b, путём к чекпойнту, --use_ema, --image_path, --prompt_file и --duration 5s.
- Продолжение видео: замените --image_path на --video_path и добавьте --sink 3; по умолчанию контекстом становится конец вашего клипа.
- Учтите, что --duration включает контекст: 5-секундный клип 5B — это 25 кадров контекста плюс 95 новых кадров.
- Входные данные масштабируются и обрезаются по центру, поэтому держите объект подальше от краёв. ComfyUI пока не поддерживается.

Промпты для Looking Ahead ради правдоподобного движения
Поскольку изображение уже задаёт внешний вид, задача промпта — описать, что меняется за пять секунд. Модель обучена предвидеть причину и следствие, поэтому промпты с чётким физическим событием раскрывают её сильные стороны. Официальные примеры на английском; другие языки не тестировались. Простая формула: объект + действие + физическое следствие + камера. Шаблоны, которые можно скопировать и адаптировать:
- Причина и следствие: "[Предмет] переваливается через край [поверхности], падает и [результат], камера неподвижна."
- Жидкости: "[Жидкость] льётся из [ёмкости] в стакан, уровень равномерно поднимается, сверху образуется пена, крупный план."
- Продолжение: "Продолжи сцену: [объект] продолжает [текущее действие], а затем [следующее действие], то же освещение и ракурс."
- Движение в портрете: "Взрослый [человек] поворачивается к окну, волосы колышутся на ветру, мягкий свет, медленный наезд камеры."
- Одно главное событие на клип, без смены сцен; описывайте скорость (медленно, внезапно) вместо нагромождения стилевых слов.
Где пригодится Looking Ahead: исследования, world models и авторы
Релиз вписывается в дискуссию о world models, где цель — видео, подчиняющееся физике, а не просто красивая картинка. Исследователи целевых функций обучения могут напрямую сравнить чекпойнты FCP и TF, что редкость для открытых релизов. Командам, прототипирующим робототехнику или симуляционные кадры, важно, чтобы падение, переливание и качение выглядели корректно. Для авторов практическое применение — короткие продолжения: удлинить клип с переливанием, всплеском или танцем на несколько секунд без дрейфа сцены. Реакция пока ранняя. Через два дня после релиза у репозитория на GitHub было около 65 звёзд, а у страницы статьи — 118 голосов: это сигнал от исследовательского сообщества, а не массовое признание.
Looking Ahead — открытый и бесплатный?
Да. Код и четыре чекпойнта выпущены под Apache-2.0, что разрешает коммерческое использование, модификацию и распространение при условии сохранения лицензии, файла NOTICE и указания авторства. В NOTICE также упомянуты базовые модели Wan и другие компоненты, а обучающие данные WISA лицензией не покрываются, поэтому проверьте их условия перед созданием коммерческого продукта. Сама статья распространяется под CC BY 4.0. Официального API или онлайн-демо нет, так что реальная стоимость — это время вашей собственной GPU.
Существует ли модель Looking Ahead без цензуры?
Как отдельного релиза — нет. На 23 октября 2026 года поиск по названию на Hugging Face выдаёт только официальный репозиторий TencentARC, без файнтюнов, LoRA или квантованных копий без цензуры или NSFW. Самостоятельный запуск открытых весов позволяет обойти фильтр платформы, но модель не обучалась на контенте для взрослых, и команда не позиционирует её для NSFW. Для оживления фото в духе Looking Ahead без цензуры и без локальной установки на этом сайте доступен похожий инструмент изображения в видео без фильтров для совершеннолетних по взаимному согласию (18+).
Загрузите фото совершеннолетнего человека, давшего согласие, и опишите движение одним предложением.
Открыть изображение в видео без цензуры →Три вещи, в которых ошибаются некоторые публикации
Ранние вторичные публикации повторяли детали, которые статья не подтверждает. Проверьте это, прежде чем что-либо цитировать:
- Организации — Нанкинский университет, Tencent ARC Lab и Чжэцзянский университет, а не Цинхуа.
- Метод — это целевая функция обучения (Future Chunk Prediction), а не слой "lookahead attention", и при инференсе он ничего не добавляет.
- Ключевая метрика — Physics-IQ; цифры вроде 94.8% структурной согласованности или снижения FVD на 28.6% в статье не встречаются. Длинные видео без дрейфа также не заявлены: клипы обучены на 5 секундах.
Что чаще всего создают с помощью фото-в-видео без цензуры
Из фото в клип с движением
Загрузите портрет взрослого человека и опишите одно движение — поворот, улыбку или шаг, — чтобы получить короткий клип.
Будуарные и fashion-лупы
Добавьте к постановочному фото движение ткани, мерцание света или медленный наезд камеры для тизеров в соцсетях.
Сюжетные моменты
Оживляйте ключевые кадры романтической или фэнтезийной сцены для взрослых момент за моментом, в вертикальном или широком формате.
Практические заметки перед первым рендером Looking Ahead
- Начните с чекпойнта 1.3B FCP; переходите на 5B только при наличии мощной GPU и большого запаса места на диске.
- Заложите место на диске под 63.2 GiB чекпойнтов плюс файлы базы Wan, T5 и VAE.
- Держите объект по центру: входные данные обрезаются по центру до 16:9.
- Не выходите за 5 секунд: более длинные прогоны используют простой rolling cache, и качество не гарантируется.
- Seed 42 и сэмплер по умолчанию (UniPC, 50 шагов, CFG 3.0) воспроизводят официальные примеры.
- Используйте только изображения совершеннолетних (18+) и никогда — реальных людей без их согласия.
Looking Ahead на своём сервере или генерация онлайн
| Локальный запуск (официальные веса) | Spicy AI онлайн | |
|---|---|---|
| Фильтры контента | Задаёт Tencent ARC Lab | Без фильтров контента |
| Открытые веса | Да | Не нужны — работает в браузере |
| Стартовая цена | Зависит от тарифа | Есть бесплатный тариф |
- Изображение в видео прямо в браузере
- Бесплатная очередь за 0 кредитов (вход в аккаунт, дневной лимит)
- Клипы в портретной (9:16) и альбомной (16:9) ориентации
Вопросы и ответы
Это модель или метод обучения?
И то и другое. В статье представлен Future Chunk Prediction, а команда выпустила четыре обученных чекпойнта (1.3B и 5B, FCP и TF baseline), которые можно запускать.
Looking Ahead — это то же самое, что Wan 3.0?
Нет. Его чекпойнты обучены на Wan2.1-T2V-1.3B и Wan2.2-TI2V-5B. Это не Wan 3.0 и не релиз Alibaba.
Может ли она генерировать видео только по тексту?
Нет. Ей нужно входное изображение или видео, даже с конфигами под названием T2V, поэтому она выполняет изображение в видео и продолжение видео.
Можно ли запустить её на RTX 4090?
Модель 1.3B — возможно, но минимальный объём VRAM не опубликован, а команда тестировала только на GPU H200. Работа модели 5B на 24 GB не подтверждена.
Работает ли она в ComfyUI?
Официально нет. Пока нет нод ComfyUI или Diffusers, загрузчика LoRA и квантованных сборок.
Есть ли Looking Ahead без цензуры?
Файнтюн без цензуры не опубликован. Для фото-в-видео без цензуры в браузере используйте генератор на этой странице.
Связан ли Spicy AI с Tencent ARC Lab?
Нет. Spicy AI — независимая платформа, не связанная с Tencent ARC Lab и не одобренная этой компанией. Looking Ahead — товарный знак его владельца.
Это бесплатно?
Начать можно бесплатно: войдите в аккаунт, и бесплатная видеоочередь Spicy AI оживит ваше фото с MiniMax H3 Turbo за 0 кредитов, с дневным лимитом. Быстрая очередь, другие видеомодели и более длинные клипы расходуют кредиты.
Источники
Spicy AI не связан с Tencent ARC Lab. Looking Ahead и другие названия продуктов — товарные знаки их владельцев и используются здесь только для идентификации. Весь контент должен изображать взрослых (18+).