DeepSeek → FastH3 端到端工作流＋臉型修正（2026-10-18 實證）
- FastH3 配方（比 0007 快約 3.4–4.5 倍）：UNET astvideo_fasth3_8step_v2_pruned_int8_convrot（不掛 LoRA）＋MiniMaxH3SigmaShift(shift_video=10/audio=3)＋ModelAttentionBackend(comfy kitchen attention)＋BlockSparseAttention(vsa, keep_percent=10, start_percent=0.2, end_percent=1.0, min_tokens=12288, extra_tokens=256)＋KSamplerSelect res_multistep＋BasicScheduler simple steps=8＋SamplerCustomAdvanced。
- 臉型/服裝漂移修正（關鍵）：MiniMaxH3AudioConditioningT8 設 dd_source_as_reference=True（強化參考圖約束）＋prompt 內鎖定特徵「deep brown straight shoulder-length hair with neat bangs + outfit matches <Picture 1> exactly + stay perfectly consistent throughout」。實測 0.5s/中段抽幀確認粉針織＋白內搭＋齊劉海一致、無換裝漂移。
- DeepSeek 串接：OpenAICompatibleLoader response → MiniMaxH3AudioConditioningT8 prompt（同 0007 版）。system prompt 引導輸出 H3 格式＋鎖定人物特徵＋台詞。
- 實測：輸入「咖啡店美女微笑說：哈囉大家好！今天的咖啡特別好喝！」→ DeepSeek 擴寫 → FastH3 生成 6.58s 480×864（首跑含載模型熱身 204s，之後更快）。status=success。
- demo（0007 vs FastH3 對比）：https://rh-llmh3-demo.pages.dev/