论文复述：语音转文本生成中的插值数据增强

语音转文本（S2T）生成系统在低资源场景下常面临数据标注不足的挑战，主要由于缺乏大量标注数据集。一种新兴解决方案是通过插值输入和标签构建虚拟训练样本，这一技术在其他领域已显著提升了系统的泛化能力。尽管存在潜力，但该技术在S2T任务中的应用仍鲜有探索。本文深入研究了插值数据增强的实用性，围绕若干关键问题展开。我们的发现表明，在插值数据增强中采用合适的策略，可在多样化的任务、架构和数据规模下显著提升性能，为资源受限环境下更稳健的S2T系统提供了可行的途径。