無審查 AI 影片 · Tencent ARC Lab

無審查 Looking Ahead AI 影片模型:從單張畫面生成符合物理的動態

詢問 AI ▾

Looking Ahead 是騰訊 ARC Lab、南京大學與浙江大學於 2026 年 10 月 21 日發布的開放權重自迴歸影片模型。它的關鍵在於一種名為 Future Chunk Prediction(FCP)的訓練方法,讓模型學會場景接下來會如何演變,而不只是照抄最後幾個畫面。本指南將說明它能做什麼、該選哪個 checkpoint、如何執行、如何撰寫提示詞,以及是否存在無審查 Looking Ahead。若想立刻讓你自己的成人照片動起來,請使用下方的無審查影片生成器。

  • 免費開始
  • 無內容過濾
  • 瀏覽器直接使用
無過濾讓照片動起來 →一排倒下中途定格的骨牌,旁邊是發光的未來影片畫面,象徵 Looking Ahead AI 影片模型

Looking Ahead 一覽

發布單位
南京大學、騰訊 ARC Lab、浙江大學
發布
程式碼與權重 2026 年 10 月 21 日;arXiv 2610.29989
方法
Future Chunk Prediction(僅用於訓練)
Checkpoint
1.3B 與 5B,各有 FCP 與 TF 基準版
任務
圖生影片與影片延續
預設片段
5 秒;768×432 @ 16 fps 或 1024×576 @ 24 fps
開放權重
是,Apache-2.0
無審查版本?
目前尚未發現

Looking Ahead 無審查影片生成器(替代方案)

圖片生成影片

上傳照片並描述動作,Spicy AI 會把它變成一段短片。

將讓你的照片動起來。

試試這些提示詞

範例提示詞為英文,生成效果最穩定;你也可以用中文描述。

Looking Ahead 是誰做的,實際上又是什麼

Looking Ahead 是騰訊 ARC Lab 與學術夥伴全新影片研究路線的首個成果,以論文〈Looking Ahead: Modeling Future Evolution in Autoregressive Video Generation〉發表。作者為 Ruopeng Gao、Yukun Huang(專案負責人)、Jiarui Hu、Shuai Wang、Wenbo Hu、Ying Shan 與 Limin Wang(通訊作者)。它不是商業應用:沒有產品網站、訂閱方案或託管端點。團隊將整套成果公開,包括論文、GitHub 儲存庫,以及 Hugging Face 上的四個 checkpoint,由你自行執行。1.3B checkpoint 以 Wan2.1-T2V-1.3B 為基礎訓練,5B checkpoint 則以 Wan2.2-TI2V-5B 為基礎,因此這次發布最好理解為套用在阿里巴巴開源 Wan 基礎模型上的更精良訓練方法,而非全新架構。

為什麼大家會搜尋無審查 Looking Ahead

開放權重又沒有託管服務,代表你與模型之間沒有平台審核層,因此成人創作者自然會問它是不是無審查影片模型。誠實的答案是:不完全是。權重可免費在本機執行,模型卡也沒有列出額外的內容政策,但訓練資料是一般的真實世界影像,至今也沒有人發布無審查 Looking Ahead 微調、LoRA 或量化版本。為 Wan 2.2 製作的 NSFW LoRA 確實存在,但還沒有人證明它們能載入 FCP checkpoint。如果你今天就想從成人照片生成無審查動態,又不想下載 60 GB,本頁的生成器可以直接在瀏覽器中完成。

省去 GPU 設定:上傳一張成人照片並描述你想要的動作,針對雙方同意的成年人不設內容過濾。

試用無審查圖生影片 →

Looking Ahead 要打破的捷徑

自迴歸影片模型會逐個區塊生成片段。在標準的 teacher-forcing 訓練中,模型能看到真實的前序畫面,只需對下一個區塊去噪。由於相鄰區塊幾乎一模一樣,模型只要延續最後幾個畫面的色彩與動態就能拿到好成績,卻沒有學會接下來在物理上應該發生什麼。論文稱之為時間冗餘造成的捷徑。FCP 封住了這條輕鬆的路:從目前區塊的特徵出發,額外的預測頭必須預測更遠的區塊(5B 模型上為往後一到五步),且看不到中間的畫面。專案頁面以依序持續倒下的骨牌、融化後讓水位上升的冰塊展示效果,而這些正是基準模型會出現漂移的情境。

未來區塊預測的五項設計選擇

FCP 的方法精簡但經過深思,每個選擇在論文中都有消融實驗支持。若你想重現或延伸這項研究,以下是重點:

  • 平行預測頭而非串接:每個未來偏移量都有各自的預測器,並以相同的目前區塊特徵為條件。在 5B 上,五個平行偏移量的 Physics-IQ 得分為 33.8,而五個偏移量的串接版本則降至 31.0。
  • 只看目前區塊:預測器只看到目前區塊而非完整歷史,作者表示在相同品質下,這比完整上下文的設計更省成本。
  • 兩種監督來源:未來預測損失同時加在乾淨的上下文 latent 與帶噪的目前 latent 上;兩者合計在 1.3B 消融實驗中提升 3.3 分。
  • 輔助預測頭不加文字:在預測器中加入文字條件會讓分數下降 1.1,因為描述文字可能洩漏之後會發生的事。
  • 推論零額外開銷:所有 FCP 模組在訓練後都會移除,因此訓練好的 checkpoint 取樣方式與一般自迴歸模型完全相同。

Looking Ahead 1.3B 與 5B:該下載哪個 checkpoint

Hugging Face 儲存庫中有四個 model_ema.pt 檔案:每種尺寸各有一個 FCP checkpoint 與一個 teacher-forcing(TF)基準版,合計約 63.2 GiB。FCP 檔案比 TF 檔案大,因為其中仍包含僅供訓練使用的預測頭;載入器會過濾掉這些張量,但你仍需要足夠的磁碟空間與 CPU 記憶體來讀取檔案。你也需要對應的 Wan 基礎權重、T5 編碼器與 VAE。對大多數人來說,1.3B FCP checkpoint 是最適合的起點;5B FCP checkpoint 則適合擁有大顯存 GPU、想重現論文主要成果的人。

1.3B5B
基礎模型Wan2.1-T2V-1.3BWan2.2-TI2V-5B
輸出768×432, 16 fps1024×576, 24 fps
FCP 檔案≈ 8.01 GB≈ 34.20 GB
TF 基準版檔案≈ 5.68 GB≈ 20.00 GB
訓練中的未來偏移量1–31–5
Physics-IQ(TF → FCP)27.6 → 30.930.4 → 33.8

檔案大小取自 Hugging Face API;分數取自論文表 2(圖生影片)。

工作台上兩疊高度不同、發著光的儲存硬碟,比較小型與大型影片模型 checkpoint

到底進步多少?解讀基準測試

公平的比較是對照實驗:以相同的 Wan2.2-TI2V-5B 基礎、資料與訓練排程,分別在有無 FCP 的情況下訓練。在此條件下,圖生影片的 Physics-IQ 從 30.4 提升到 33.8,影片延續從 40.6 提升到 44.4。其他指標的提升幅度較小。在跨模型比較表中,5B checkpoint 也略勝 Wan2.2-14B(32.2)、HunyuanVideo-1.5(33.4)與 Sora 2(26.5),落後 Grok Imagine Video(34.8),但作者提醒這些模型的資料與設定各不相同。美感、長片段、音訊與人類偏好均未評估,因此應將結果視為物理合理性的提升,而非全面性的品質飛躍。

基準測試(5B)TF 基準版FCP
Physics-IQ,圖生影片30.433.8
Physics-IQ,影片生影片40.644.4
WorldModelBench7.227.64
PAI-Bench-G81.1382.38
PhyGround2.752.80

Looking Ahead 與其出發點 Wan 2.2 基礎模型的比較

與原版 Wan2.2-TI2V-5B 相比,5B FCP checkpoint 保留相同的骨幹網路,但有三個明顯的差異。它需要視覺條件:即使是名為 T2V 的設定檔也無法只靠文字執行,因此它是圖生影片與影片延續模型。它以 1024×576、24 fps 渲染,而非 Wan 原生的 1280×704。而且它以區塊為單位自迴歸生成,這也是影片延續成為核心任務的原因。代價是失去 Wan 的生態系:目前沒有官方 ComfyUI 或 Diffusers 節點、沒有 LoRA 載入器,也還沒有 GGUF 或 FP8 版本。

在本機執行 Looking Ahead:下載、VRAM 與第一支片段

團隊只在搭載 NVIDIA H200、Python 3.12、PyTorch 2.10 與 CUDA 12.8 的 Linux 上測試過程式碼;Windows 支援仍是待解決的 issue。官方未公布最低 VRAM 需求。粗略參考:Wan2.1 1.3B 基礎模型標示約 8 GB,Wan2.2 5B 在啟用卸載時為 24 GB,且程式在可用顯存低於 40 GB 時會將 T5 編碼器移出 GPU,但 24 GB 顯示卡能否執行 5B 模型尚未驗證。基本流程:

  • 使用 uv 安裝(uv sync --python 3.12),並加裝 FFmpeg。
  • 下載基礎模型,例如 hf download Wan-AI/Wan2.1-T2V-1.3B,接著 hf download TencentARC/Looking-Ahead,並保留全部四個子資料夾。
  • 圖生影片:執行 inference.py,搭配 --config fcp_wan21_t2v_1.3b、checkpoint 路徑、--use_ema、--image_path、一個 --prompt_file 以及 --duration 5s。
  • 影片延續:將 --image_path 換成 --video_path 並加上 --sink 3;預設會以片段的結尾作為上下文。
  • 請記得 --duration 包含上下文:一支 5 秒的 5B 片段是 25 個上下文畫面加上 95 個新畫面。
  • 輸入會經過縮放與置中裁切,所以主體不要太靠近邊緣。目前尚不支援 ComfyUI。
一台工作站,螢幕上有終端機視窗與一張湖上帆船的渲染影片畫面,呈現本機圖生影片環境

為 Looking Ahead 撰寫提示詞,打造逼真動態

由於圖片已經決定了外觀,提示詞的任務是描述五秒內有什麼變化。模型經過訓練來預判因果關係,因此點出明確物理事件的提示詞最能發揮其長處。官方範例皆為英文;其他語言尚未測試。簡單公式是:主體 + 動作 + 物理結果 + 鏡頭。可直接複製改寫的範本:

  • 因果:「[物體] 從 [表面] 邊緣傾倒、掉落並 [結果],鏡頭保持靜止。」
  • 液體:「[液體] 從 [容器] 倒入玻璃杯,液面穩定上升,頂部形成泡沫,特寫。」
  • 延續:「延續場景:[主體] 繼續 [目前動作],接著 [下一個動作],光線與角度不變。」
  • 人像動態:「成年 [人物] 轉向窗戶,頭髮隨微風飄動,柔和光線,緩慢推鏡。」
  • 每支片段只安排一個主要事件,避免轉場,並描述速度(緩慢、突然),而不是堆砌風格詞。

Looking Ahead 的定位:研究、世界模型與創作者

這次發布正好落在世界模型的討論中,其目標是讓影片遵守物理,而不只是好看。研究訓練目標的學者可以直接比較 FCP 與 TF checkpoint,這在開源發布中相當少見。製作機器人或模擬類影像原型的團隊,在意的是掉落、傾倒與滾動是否表現正確。對創作者而言,實際用途是短延續:把倒水、水花或舞蹈片段延長幾秒,而場景不會漂移。目前反應仍屬早期。發布兩天後,GitHub 儲存庫約有 65 顆星,論文頁面有 118 個讚,這是研究社群的訊號,而非大眾普及。

Looking Ahead 是開源且免費的嗎?

是的。程式碼與四個 checkpoint 以 Apache-2.0 授權釋出,只要保留授權條款、NOTICE 檔案與出處標示,即可商業使用、修改與再散布。NOTICE 也標示了 Wan 基礎模型與其他元件,而 WISA 訓練資料不在此授權範圍內,因此在做商業產品前請先確認相關條款。論文本身採用 CC BY 4.0。沒有官方 API 或線上展示,所以真正的成本是你自己的 GPU 時間。

有沒有無審查 Looking Ahead 模型?

沒有獨立發布的版本。截至 2026 年 10 月 23 日,在 Hugging Face 搜尋這個名稱只會找到官方的 TencentARC 儲存庫,沒有任何無審查或 NSFW 的微調、LoRA 或量化版本。自行執行開放權重可以避開平台過濾,但模型並非針對成人內容訓練,團隊也沒有宣傳 NSFW 用途。若想在不安裝本機環境的情況下,以無審查 Looking Ahead 風格讓照片動起來,本網站提供類似的無過濾圖生影片工具,供雙方同意的成年人(18+)使用。

上傳一張經本人同意的成年人照片,並用一句話描述動作。

開啟無審查圖生影片 →

部分報導弄錯的三件事

早期的二手報導重複了一些論文並未支持的細節。引用前請先確認以下幾點:

  • 研究機構是南京大學、騰訊 ARC Lab 與浙江大學,不是清華大學。
  • 這個方法是一種訓練目標(Future Chunk Prediction),不是「lookahead attention」層,而且在推論時不會增加任何東西。
  • 主要指標是 Physics-IQ;論文中並沒有 94.8% 結構一致性或 FVD 下降 28.6% 之類的數字。論文也沒有宣稱能生成無漂移的長影片:片段是以 5 秒長度訓練的。

無審查照片轉影片的熱門用途

照片變動態片段

上傳一張成人肖像並描述一個動作,例如轉身、微笑或走路,即可得到一支短片。

閨房寫真與時尚循環影片

為精心造型的照片加入布料飄動、光線閃爍或緩慢推鏡,製作社群預告。

故事節點

逐一讓成人浪漫或奇幻場景的關鍵畫面動起來,可選直式或寬螢幕格式。

首次渲染 Looking Ahead 前的實戰筆記

  1. 先從 1.3B FCP checkpoint 開始;只有在擁有大顯存 GPU 與充足磁碟空間時才改用 5B。
  2. 預留磁碟空間給 63.2 GiB 的 checkpoint,以及 Wan 基礎模型、T5 與 VAE 檔案。
  3. 讓主體保持置中:輸入會被置中裁切為 16:9。
  4. 保持在 5 秒以內;更長的生成會使用基本的 rolling cache,品質無法保證。
  5. Seed 42 搭配預設取樣器(UniPC、50 步、CFG 3.0)可重現官方範例。
  6. 只使用成年人(18+)的圖片,且絕不在未經同意的情況下使用真實人物。

自行架設 Looking Ahead 與線上生成比較

本地部署(官方權重)Spicy AI 線上
內容過濾由 Tencent ARC Lab 決定無內容過濾
開放權重是不需要,瀏覽器直接用
入門價格依方案而定提供免費額度
  • 瀏覽器內圖片生成影片
  • 免費佇列 0 點數(需登入,每日有上限)
  • 支援直式(9:16)與橫式(16:9)影片

常見問題

它是模型還是訓練方法?

兩者都是。論文提出了 Future Chunk Prediction,團隊也釋出了四個可執行的已訓練 checkpoint(1.3B 與 5B,FCP 與 TF 基準版)。

Looking Ahead 和 Wan 3.0 是同一個東西嗎?

不是。它的 checkpoint 是以 Wan2.1-T2V-1.3B 與 Wan2.2-TI2V-5B 訓練而成,既不是 Wan 3.0,也不是阿里巴巴的發布。

它能只用文字生成影片嗎?

不能。即使是名為 T2V 的設定檔,它也需要輸入圖片或影片,因此只能做圖生影片與影片延續。

我可以在 RTX 4090 上執行嗎?

1.3B 模型或許可以,但官方未公布最低 VRAM,團隊也只在 H200 GPU 上測試過。5B 模型在 24 GB 上能否執行尚未驗證。

它能在 ComfyUI 中使用嗎?

官方尚未支援。目前沒有 ComfyUI 或 Diffusers 節點、沒有 LoRA 載入器,也還沒有量化版本。

有無審查 Looking Ahead 嗎?

目前沒有人發布無審查微調版本。若想在瀏覽器中進行無審查照片轉影片,請使用本頁的生成器。

Spicy AI 和 Tencent ARC Lab 有關係嗎?

沒有。Spicy AI 是獨立平台,與 Tencent ARC Lab 沒有任何隸屬或背書關係。Looking Ahead 為其所有者的商標。

免費嗎?

可以免費開始:登入後,Spicy AI 的免費影片佇列會用 MiniMax H3 Turbo 讓你的照片動起來,消耗 0 點數,每日有次數上限。高速佇列、其他影片模型以及更長的影片需要點數。

資料來源

Spicy AI 與 Tencent ARC Lab 無任何關係。Looking Ahead 及其他產品名稱為各自所有者的商標,僅用於識別。所有內容中的人物必須為成年人(18 歲以上)。

Sign in

Welcome to Spicy AI

or