掩模、样本、修订：用于引导离散流匹配文本到语音的可修订 CTMC 推理堆栈

最近的免对齐非自回归 (NAR) 文本到语音 (TTS) 模型将合成制定为条件填充任务，绕过显式持续时间预测器和外部对齐器。当语音用神经编解码器标记表示时，填充问题变得离散，这使得离散流匹配 (DFM)（一种用于离散生成的连续时间马尔可夫链 (CTMC) 框架）成为自然之选。然而，稳定低步条件填充的推理时间控制仍有待探索。我们提出了 Mask、Sample、Revise，这是一种用于免对齐 DFM-TTS 的推理时间 CTMC 堆栈。该堆栈结合了无预测器指导以加强文本调节、提示匹配条件耦合以将概率路径与声学提示对齐，以及 SC-ReMask（一种时间表约束的重新屏蔽机制，引入词元到屏蔽转换，以便可以修改去屏蔽决策）。这些组件不需要事后 微调，并且在单个 tau 跳跃采样器中运行。受控消融表明，该堆栈提高了低 NFE 提示设置中的清晰度和鲁棒性，其性能优于无引导和仅引导采样器，且步骤明显更多。