AI không kiểm duyệt · Video · Tencent ARC Lab

Mô hình video AI Looking Ahead không kiểm duyệt: chuyển động tuân theo vật lý từ một khung hình

Hỏi AI ▾

Looking Ahead là mô hình video tự hồi quy có trọng số mở do Tencent ARC Lab, Đại học Nam Kinh và Đại học Chiết Giang phát hành ngày 21/10/2026. Điểm đặc biệt của nó là phương pháp huấn luyện mang tên Future Chunk Prediction (FCP), dạy mô hình hiểu cảnh sẽ diễn biến ra sao thay vì chỉ sao chép các khung hình cuối. Bài hướng dẫn này giải thích mô hình làm được gì, nên chọn checkpoint nào, cách chạy, cách viết prompt và liệu có phiên bản Looking Ahead không kiểm duyệt hay không. Để tạo chuyển động cho ảnh người lớn của bạn ngay bây giờ, hãy dùng trình tạo video không kiểm duyệt bên dưới.

  • Bắt đầu miễn phí
  • Không bộ lọc
  • Chạy trên trình duyệt
Tạo chuyển động cho ảnh không bộ lọc →Hàng quân domino đang đổ bị đóng băng giữa chuyển động bên cạnh các khung hình video tương lai phát sáng, tượng trưng cho mô hình video AI Looking Ahead

Tổng quan về Looking Ahead

Đơn vị phát hành
Đại học Nam Kinh, Tencent ARC Lab, Đại học Chiết Giang
Phát hành
Mã nguồn và trọng số ngày 21/10/2026; arXiv 2610.29989
Phương pháp
Future Chunk Prediction (chỉ dùng khi huấn luyện)
Checkpoint
1.3B và 5B, mỗi loại có bản FCP và bản TF baseline
Tác vụ
Ảnh thành video và nối tiếp video
Clip mặc định
5 giây; 768×432 ở 16 fps hoặc 1024×576 ở 24 fps
Trọng số mở
Có, Apache-2.0
Bản không kiểm duyệt?
Chưa tìm thấy

Trình tạo video không kiểm duyệt Looking Ahead (lựa chọn thay thế)

Ảnh thành video

Tải ảnh lên và mô tả chuyển động — Spicy AI sẽ biến nó thành một clip ngắn.

Ảnh của bạn sẽ được làm chuyển động.

Thử một prompt

Các prompt mẫu bằng tiếng Anh, cho kết quả ổn định nhất.

Ai tạo ra Looking Ahead và thực chất nó là gì

Looking Ahead là sản phẩm đầu tiên của một hướng nghiên cứu video mới từ Tencent ARC Lab và các đối tác học thuật, được công bố qua bài báo "Looking Ahead: Modeling Future Evolution in Autoregressive Video Generation". Các tác giả gồm Ruopeng Gao, Yukun Huang (trưởng dự án), Jiarui Hu, Shuai Wang, Wenbo Hu, Ying Shan và Limin Wang (tác giả liên hệ). Đây không phải ứng dụng thương mại: không có trang sản phẩm, gói đăng ký hay endpoint được lưu trữ. Nhóm công bố trọn bộ công trình gồm bài báo, kho GitHub và bốn checkpoint trên Hugging Face, còn bạn tự chạy mô hình. Các checkpoint 1.3B được huấn luyện dựa trên Wan2.1-T2V-1.3B và các checkpoint 5B dựa trên Wan2.2-TI2V-5B, vì vậy nên hiểu bản phát hành này là một công thức huấn luyện tinh chỉnh hơn áp dụng lên các mô hình nền Wan mã mở của Alibaba, chứ không phải một kiến trúc hoàn toàn mới.

Vì sao mọi người tìm kiếm Looking Ahead không kiểm duyệt

Trọng số mở và không có dịch vụ lưu trữ nghĩa là không có lớp kiểm duyệt nền tảng nào giữa bạn và mô hình, nên các nhà sáng tạo nội dung người lớn tất yếu sẽ hỏi liệu đây có phải mô hình video không kiểm duyệt. Câu trả lời thật lòng là không hẳn. Trọng số được chạy miễn phí trên máy cục bộ và model card không đưa ra chính sách nội dung bổ sung nào, nhưng dữ liệu huấn luyện là cảnh quay thực tế thông thường và đến nay chưa ai công bố bản fine-tune, LoRA hay bản lượng tử hóa Looking Ahead không kiểm duyệt nào. Các LoRA NSFW dành cho Wan 2.2 có tồn tại, nhưng chưa ai chứng minh chúng tải được vào các checkpoint FCP. Nếu bạn muốn tạo chuyển động không kiểm duyệt từ ảnh người lớn ngay hôm nay mà không phải tải về 60 GB, trình tạo trên trang này làm được điều đó ngay trong trình duyệt.

Bỏ qua khâu cài đặt GPU: tải lên một bức ảnh người lớn và mô tả chuyển động bạn muốn, không bộ lọc nội dung dành cho người trưởng thành có sự đồng thuận.

Thử ảnh thành video không kiểm duyệt →

Lối tắt mà Looking Ahead được tạo ra để phá vỡ

Mô hình video tự hồi quy tạo clip theo từng chunk. Trong quá trình huấn luyện teacher-forcing tiêu chuẩn, mô hình nhìn thấy các khung hình thật trước đó và chỉ cần khử nhiễu chunk kế tiếp. Vì các chunk liền kề trông gần như giống hệt nhau, mô hình có thể đạt điểm cao chỉ bằng cách kéo dài màu sắc và chuyển động từ các khung hình cuối, mà không học được điều gì sẽ xảy ra tiếp theo về mặt vật lý. Bài báo gọi đây là lối tắt sinh ra từ sự dư thừa theo thời gian. FCP loại bỏ con đường dễ dàng này: từ đặc trưng của chunk hiện tại, các head bổ sung phải dự đoán những chunk xa hơn, cách từ một đến năm bước trên mô hình 5B, mà không được nhìn các khung hình ở giữa. Trang dự án minh họa hiệu quả này bằng các quân domino tiếp tục đổ đúng thứ tự và băng tan làm mực nước dâng lên, những trường hợp mà baseline bị trôi lệch.

Dự đoán chunk tương lai qua năm lựa chọn thiết kế

Công thức FCP nhỏ gọn nhưng có chủ đích, và mỗi lựa chọn đều có thí nghiệm ablation trong bài báo làm cơ sở. Đây là những điểm quan trọng nếu bạn muốn tái hiện hoặc mở rộng công trình:

  • Các head song song, không nối chuỗi: mỗi độ lệch tương lai có bộ dự đoán riêng, cùng dựa trên đặc trưng của chunk hiện tại. Trên 5B, năm độ lệch song song đạt 33.8 trên Physics-IQ, trong khi biến thể nối chuỗi năm độ lệch giảm xuống 31.0.
  • Chỉ dùng chunk hiện tại: các bộ dự đoán chỉ thấy chunk hiện tại chứ không phải toàn bộ lịch sử, mà theo các tác giả là rẻ hơn so với thiết kế toàn ngữ cảnh ở cùng chất lượng.
  • Hai nguồn giám sát: loss dự đoán tương lai được thêm vào cả latent ngữ cảnh sạch lẫn latent hiện tại có nhiễu; kết hợp lại, chúng tăng thêm 3.3 điểm trong ablation 1.3B.
  • Không dùng văn bản trong các head phụ trợ: thêm điều kiện văn bản vào bộ dự đoán làm điểm giảm 1.1, vì chú thích có thể làm lộ những gì xảy ra sau đó.
  • Không tốn thêm chi phí suy luận: toàn bộ module FCP bị loại bỏ sau khi huấn luyện, nên checkpoint đã huấn luyện lấy mẫu y hệt một mô hình tự hồi quy thông thường.

Looking Ahead 1.3B và 5B: nên tải checkpoint nào

Kho Hugging Face chứa bốn tệp model_ema.pt: một checkpoint FCP và một baseline teacher-forcing (TF) cho mỗi kích thước, tổng cộng khoảng 63.2 GiB. Tệp FCP lớn hơn tệp TF vì vẫn chứa các head chỉ dùng khi huấn luyện; trình tải sẽ lọc bỏ các tensor đó, nhưng bạn vẫn cần dung lượng đĩa và đủ bộ nhớ CPU để đọc tệp. Bạn cũng cần trọng số nền Wan tương ứng, bộ mã hóa T5 và VAE. Với hầu hết mọi người, checkpoint 1.3B FCP là điểm khởi đầu phù hợp, còn checkpoint 5B FCP dành cho khi bạn có GPU lớn và muốn đạt kết quả nổi bật như trong bài báo.

1.3B5B
Mô hình nềnWan2.1-T2V-1.3BWan2.2-TI2V-5B
Đầu ra768×432, 16 fps1024×576, 24 fps
Tệp FCP≈ 8.01 GB≈ 34.20 GB
Tệp TF baseline≈ 5.68 GB≈ 20.00 GB
Độ lệch tương lai khi huấn luyện1–31–5
Physics-IQ (TF → FCP)27.6 → 30.930.4 → 33.8

Kích thước tệp lấy từ API Hugging Face; điểm số từ Bảng 2 của bài báo (ảnh thành video).

Hai chồng ổ lưu trữ phát sáng có chiều cao khác nhau trên bàn làm việc, so sánh checkpoint mô hình video nhỏ và lớn

Tốt hơn bao nhiêu? Đọc hiểu các benchmark

Phép so sánh công bằng là phép so sánh có kiểm soát, trong đó cùng mô hình nền Wan2.2-TI2V-5B, cùng dữ liệu và lịch huấn luyện được huấn luyện có và không có FCP. Ở đó, Physics-IQ ảnh thành video tăng từ 30.4 lên 33.8 và nối tiếp video từ 40.6 lên 44.4. Mức cải thiện ở các chỉ số khác nhỏ hơn. Trong bảng so sánh giữa các mô hình, checkpoint 5B cũng nhỉnh hơn Wan2.2-14B (32.2), HunyuanVideo-1.5 (33.4) và Sora 2 (26.5), và xếp sau Grok Imagine Video (34.8), nhưng các tác giả lưu ý rằng các mô hình đó khác nhau về dữ liệu và thiết lập. Tính thẩm mỹ, clip dài, âm thanh và đánh giá ưa thích của con người không được kiểm tra, vì vậy hãy hiểu kết quả này là cải thiện về tính hợp lý vật lý, không phải bước nhảy vọt chất lượng toàn diện.

Benchmark (5B)TF baselineFCP
Physics-IQ, ảnh thành video30.433.8
Physics-IQ, video thành video40.644.4
WorldModelBench7.227.64
PAI-Bench-G81.1382.38
PhyGround2.752.80

Looking Ahead so với mô hình nền Wan 2.2 mà nó xuất phát

So với Wan2.2-TI2V-5B nguyên bản, checkpoint 5B FCP giữ nguyên backbone nhưng thay đổi ba điểm bạn sẽ nhận thấy. Nó cần điều kiện hình ảnh: ngay cả các config mang tên T2V cũng không chạy được chỉ với văn bản, nên đây là mô hình ảnh thành video và nối tiếp video. Nó render ở 1024×576 và 24 fps thay vì 1280×704 gốc của Wan. Và nó tạo video tự hồi quy theo từng chunk, đó là lý do nối tiếp video là tác vụ chính. Điều bạn phải đánh đổi là hệ sinh thái của Wan: chưa có node ComfyUI hay Diffusers chính thức, chưa có trình tải LoRA và chưa có bản GGUF hay FP8.

Chạy Looking Ahead trên máy: tải về, VRAM và clip đầu tiên

Nhóm chỉ thử nghiệm mã trên Linux với NVIDIA H200, Python 3.12, PyTorch 2.10 và CUDA 12.8; hỗ trợ Windows vẫn là vấn đề đang mở. Không có mức VRAM tối thiểu được công bố. Để tham khảo sơ bộ, mô hình nền Wan2.1 1.3B được ghi khoảng 8 GB và Wan2.2 5B là 24 GB khi có offloading, và mã sẽ chuyển bộ mã hóa T5 ra khỏi GPU khi còn trống dưới 40 GB, nhưng việc chạy mô hình 5B trên card 24 GB chưa được kiểm chứng. Quy trình cơ bản:

  • Cài đặt bằng uv (uv sync --python 3.12) và thêm FFmpeg.
  • Tải mô hình nền, ví dụ hf download Wan-AI/Wan2.1-T2V-1.3B, sau đó hf download TencentARC/Looking-Ahead và giữ lại cả bốn thư mục con.
  • Ảnh thành video: chạy inference.py với --config fcp_wan21_t2v_1.3b, đường dẫn checkpoint, --use_ema, --image_path, một --prompt_file và --duration 5s.
  • Nối tiếp video: thay --image_path bằng --video_path và thêm --sink 3; theo mặc định, phần cuối clip của bạn sẽ trở thành ngữ cảnh.
  • Lưu ý rằng --duration bao gồm cả ngữ cảnh: một clip 5B dài 5 giây gồm 25 khung hình ngữ cảnh cộng 95 khung hình mới.
  • Đầu vào được co giãn và cắt ở giữa, nên hãy giữ chủ thể cách xa mép khung. ComfyUI hiện chưa được hỗ trợ.
Máy trạm với cửa sổ terminal và một khung hình video đã render cảnh thuyền buồm trên hồ, minh họa thiết lập ảnh thành video trên máy cục bộ

Viết prompt cho Looking Ahead để có chuyển động chân thực

Vì hình ảnh đã cố định giao diện, nhiệm vụ của prompt là mô tả những gì thay đổi trong năm giây. Mô hình được huấn luyện để dự đoán nguyên nhân và kết quả, nên các prompt nêu rõ một sự kiện vật lý sẽ phát huy thế mạnh của nó. Các ví dụ chính thức đều bằng tiếng Anh; các ngôn ngữ khác chưa được thử nghiệm. Công thức đơn giản là chủ thể + hành động + hệ quả vật lý + máy quay. Các mẫu để sao chép và điều chỉnh:

  • Nguyên nhân và kết quả: "[Vật thể] nghiêng qua mép [bề mặt], rơi xuống và [kết quả], máy quay đứng yên."
  • Chất lỏng: "[Chất lỏng] được rót từ [vật chứa] vào ly, mực nước dâng đều và bọt hình thành ở trên cùng, cận cảnh."
  • Nối tiếp: "Tiếp tục cảnh: [chủ thể] tiếp tục [hành động hiện tại] rồi [hành động tiếp theo], cùng ánh sáng và góc quay."
  • Chuyển động chân dung: "[Người] trưởng thành quay về phía cửa sổ, tóc bay trong gió, ánh sáng dịu, máy quay tiến chậm."
  • Mỗi clip chỉ một sự kiện chính, tránh chuyển cảnh, và mô tả tốc độ (chậm rãi, đột ngột) thay vì chồng chất các từ về phong cách.

Vị trí của Looking Ahead: nghiên cứu, world model và nhà sáng tạo

Bản phát hành xuất hiện giữa cuộc thảo luận về world model, nơi mục tiêu là video tuân theo vật lý chứ không chỉ đẹp mắt. Các nhà nghiên cứu về mục tiêu huấn luyện có thể so sánh trực tiếp checkpoint FCP và TF, điều hiếm thấy ở các bản phát hành mở. Các nhóm làm nguyên mẫu cảnh quay robot hoặc mô phỏng quan tâm đến việc rơi, rót và lăn diễn ra đúng. Với nhà sáng tạo, ứng dụng thực tế là nối tiếp ngắn: kéo dài clip rót nước, bắn nước hay nhảy múa thêm vài giây mà cảnh không bị trôi lệch. Phản hồi vẫn còn sớm. Hai ngày sau khi phát hành, kho GitHub có khoảng 65 sao và trang bài báo có 118 lượt upvote, tín hiệu từ cộng đồng nghiên cứu chứ chưa phải sự phổ biến đại trà.

Looking Ahead có mã nguồn mở và miễn phí không?

Có. Mã nguồn và bốn checkpoint được phát hành theo giấy phép Apache-2.0, cho phép sử dụng thương mại, chỉnh sửa và phân phối lại miễn là bạn giữ nguyên giấy phép, tệp NOTICE và ghi nhận tác giả. Tệp NOTICE cũng ghi nhận các mô hình nền Wan và các thành phần khác, còn dữ liệu huấn luyện WISA không thuộc phạm vi giấy phép này, vì vậy hãy kiểm tra các điều khoản đó trước khi làm sản phẩm thương mại. Bản thân bài báo theo giấy phép CC BY 4.0. Không có API chính thức hay bản demo trực tuyến, nên chi phí thực tế là thời gian GPU của chính bạn.

Có mô hình Looking Ahead không kiểm duyệt không?

Không có dưới dạng bản phát hành riêng. Tính đến ngày 23/10/2026, tìm kiếm tên này trên Hugging Face chỉ trả về kho TencentARC chính thức, không có bản fine-tune, LoRA hay bản lượng tử hóa không kiểm duyệt hoặc NSFW nào. Tự chạy trọng số mở giúp bạn tránh bộ lọc của nền tảng, nhưng mô hình không được huấn luyện cho nội dung người lớn và nhóm phát triển không quảng bá việc sử dụng NSFW. Để tạo chuyển động cho ảnh theo phong cách Looking Ahead không kiểm duyệt mà không cần cài đặt trên máy, trang này có sẵn một công cụ ảnh thành video tương tự không bộ lọc dành cho người trưởng thành có sự đồng thuận (18+).

Tải lên ảnh của một người trưởng thành có sự đồng thuận và mô tả chuyển động trong một câu.

Mở ảnh thành video không kiểm duyệt →

Ba điều một số bài viết hiểu sai

Các bài viết thứ cấp ban đầu đã lặp lại những chi tiết không có cơ sở trong bài báo. Hãy kiểm tra những điểm sau trước khi trích dẫn:

  • Các đơn vị là Đại học Nam Kinh, Tencent ARC Lab và Đại học Chiết Giang, không phải Thanh Hoa.
  • Phương pháp là một mục tiêu huấn luyện (Future Chunk Prediction), không phải lớp "lookahead attention", và nó không thêm gì khi suy luận.
  • Chỉ số chính là Physics-IQ; các con số như 94.8% độ nhất quán cấu trúc hay FVD giảm 28.6% không xuất hiện trong bài báo. Bài báo cũng không tuyên bố tạo được video dài không trôi lệch: các clip được huấn luyện ở 5 giây.

Những nội dung phổ biến có thể tạo bằng ảnh thành video không kiểm duyệt

Từ ảnh thành clip chuyển động

Tải lên chân dung người lớn và mô tả một chuyển động, như quay người, mỉm cười hay bước đi, để nhận một clip ngắn.

Vòng lặp boudoir và thời trang

Thêm chuyển động vải, ánh sáng lấp lánh hoặc máy quay tiến chậm vào ảnh đã dàn dựng để làm teaser mạng xã hội.

Các nhịp truyện

Tạo chuyển động cho các khung hình chính của cảnh lãng mạn hoặc giả tưởng dành cho người lớn theo từng khoảnh khắc, ở định dạng dọc hoặc ngang.

Ghi chú thực tế trước lần render Looking Ahead đầu tiên

  1. Bắt đầu với checkpoint 1.3B FCP; chỉ chuyển sang 5B khi có GPU lớn và dư dả dung lượng đĩa.
  2. Dự trù dung lượng đĩa cho 63.2 GiB checkpoint cộng với các tệp nền Wan, T5 và VAE.
  3. Giữ chủ thể ở giữa: đầu vào được cắt ở giữa theo tỷ lệ 16:9.
  4. Giữ trong 5 giây; các lượt tạo dài hơn dùng rolling cache cơ bản và không đảm bảo chất lượng.
  5. Seed 42 và sampler mặc định (UniPC, 50 bước, CFG 3.0) tái tạo được các ví dụ chính thức.
  6. Chỉ dùng ảnh người trưởng thành (18+) và tuyệt đối không dùng ảnh người thật khi chưa có sự đồng ý của họ.

Tự triển khai Looking Ahead so với tạo video trực tuyến

Triển khai cục bộ (trọng số chính thức)Spicy AI trực tuyến
Bộ lọc nội dungDo Tencent ARC Lab quy địnhKhông có bộ lọc nội dung
Trọng số mởCóKhông cần — chạy ngay trên trình duyệt
Giá khởi điểmTùy góiCó gói miễn phí
  • Ảnh thành video ngay trên trình duyệt
  • Hàng đợi miễn phí 0 credit (cần đăng nhập, giới hạn mỗi ngày)
  • Clip dọc (9:16) và ngang (16:9)

Câu hỏi thường gặp

Đây là mô hình hay phương pháp huấn luyện?

Cả hai. Bài báo giới thiệu Future Chunk Prediction, và nhóm phát hành bốn checkpoint đã huấn luyện (1.3B và 5B, FCP và TF baseline) mà bạn có thể chạy.

Looking Ahead có giống Wan 3.0 không?

Không. Các checkpoint của nó được huấn luyện trên Wan2.1-T2V-1.3B và Wan2.2-TI2V-5B. Đây không phải Wan 3.0 hay bản phát hành của Alibaba.

Nó có tạo video chỉ từ văn bản được không?

Không. Nó cần ảnh hoặc video đầu vào, kể cả với các config mang tên T2V, nên nó thực hiện ảnh thành video và nối tiếp video.

Tôi có chạy được trên RTX 4090 không?

Có thể với mô hình 1.3B, nhưng không có mức VRAM tối thiểu được công bố và nhóm chỉ thử nghiệm trên GPU H200. Mô hình 5B trên 24 GB chưa được kiểm chứng.

Nó có chạy trong ComfyUI không?

Chưa chính thức. Hiện chưa có node ComfyUI hay Diffusers, chưa có trình tải LoRA và chưa có bản lượng tử hóa.

Có Looking Ahead không kiểm duyệt không?

Chưa có bản fine-tune không kiểm duyệt nào được công bố. Để chuyển ảnh thành video không kiểm duyệt ngay trong trình duyệt, hãy dùng trình tạo trên trang này.

Spicy AI có liên kết với Tencent ARC Lab không?

Không. Spicy AI là nền tảng độc lập, không liên kết hay được Tencent ARC Lab bảo trợ. Looking Ahead là nhãn hiệu của chủ sở hữu tương ứng.

Có miễn phí không?

Bạn có thể bắt đầu miễn phí: đăng nhập và hàng đợi video miễn phí của Spicy AI sẽ làm ảnh của bạn chuyển động bằng MiniMax H3 Turbo với 0 credit, có giới hạn mỗi ngày. Hàng đợi nhanh, các mô hình video khác và clip dài hơn sẽ tốn credit.

Nguồn tham khảo

Spicy AI không liên kết với Tencent ARC Lab. Looking Ahead và các tên sản phẩm khác là nhãn hiệu của chủ sở hữu tương ứng và chỉ được dùng ở đây để nhận diện. Mọi nội dung phải thể hiện người trưởng thành (18+).

Sign in

Welcome to Spicy AI

or