一句话定义：首尾帧生成（First-Last Frame）是一种视频生成控制方式——你提供两张图，一张当第一帧、一张当最后一帧，模型负责生成中间的运动过程，让画面从起点平滑地走到终点。
它是怎么做到的
现在的视频生成模型，基本都在"从一团噪声还原成画面"的去噪（denoising）过程里，同时处理空间和时间两件事。首尾帧生成相当于给这段过程加了两道硬约束：起点和终点长什么样是被钉死的，模型只能在中间自由发挥。
打个生活化的比方：传统二维动画里，资深原画师先画出关键帧（keyframe），再由中间画师补出过渡的张数。首尾帧生成就是让 AI 来当这个中间画师，而且它不只画一张，而是画出一整段连续的运动。
和相邻概念的区别
| 方式 | 你给什么 | 可控点 | 典型用法 |
|---|---|---|---|
| 文生视频（Text-to-Video） | 一段文字 | 几乎全靠模型 | 找灵感、随机素材 |
| 图生视频（Image-to-Video） | 一张首帧 | 起点可控，终点随缘 | 让静态照片动起来 |
| 首尾帧生成 | 首帧 + 尾帧 | 两端锁定，中间自由 | 指定结果的转场、衔接 |
| 视频插帧（Frame Interpolation） | 两段已成片的视频 | 把帧率补密 | 慢动作、画面顺滑 |
最后一行最容易被混淆：插帧补的是已经拍下来的内容，信息本来就在；首尾帧生成生成的是根本没拍过的中间内容。
对从业者意味着什么
它解决的是"我必须落到这个结果上"的问题。比如产品从包装盒变成成品、衣服从平铺图变成上身效果、镜头从办公室切到会议室——这些都是起点终点明确、中间过程说不清楚的场景，正好适合交给模型。做循环动画也常用：把首尾两帧设成同一张图，就能得到一个能无缝续接的小片段。对普通职场人来说，两张示意图就能变成一段动态演示，不必再去学关键帧软件。
它的边界
首尾帧生成不保证物理合理。两端画面差别太大时，容易出现糊成一团或者"瞬移"式的跳变；动作快、遮挡多的场景，往往要生成好几次才有一条能用。另外，能接受什么样的输入尺寸、能生成多长、有哪些产品支持，这类细节变化很快，以官方页面为准。
一句话记住它：它管的是"怎么走过去"，而不是"走到哪里去"——去哪，由你给的两张图说了算。