本文介绍了两种训练策略：SimRegCR和SimZeroCR，用于实现一致性正则化的最新性能。在MuST-C基准测试中，我们的方法取得了最先进的性能。分析证明，一致性正则化对于端到端语音转文本翻译至关重要，跨模态一致性可提升零-shot翻译性能。