通过统一的指导框架增强流程匹配，实现高效、稳健的语音合成

流匹配 (FM) 已成为语音生成的强大范例，但仍然受到高推理延迟和音色泄漏的限制。为了解决这些瓶颈，我们提出了一个统一的指导框架，通过两种互补的策略来提高生成效率和稳健性。在数据方面，我们通过异构增强引入数据引导，鼓励模型将语言内容与声学残留分开。与此同时，我们提出了一种增强的模型引导机制，该机制将轨迹校正与新颖的内在引导目标相结合。这种方法将条件知识提炼为网络权重并拉直推理轨迹路径，从而消除无分类器指导（CFG）开销。实验表明，与最先进的基线相比，我们的框架将推理速度提高了近三倍，同时有效提高了说话人的相似度。