본 논문은 IWSLT 2025 저자원 언어번역 대회에 제출된 카이저슬라우테른 공과대학교(KIT)의 시스템을 소개한다. Bemba어, 북 레반트 아랍어, 튀니지 아랍어에서 영어로의 번역을 위해 자동 음성 인식(ASR)과 기계 번역(MT) 모델로 구성된 계단식 시스템과 종단간(E2E) 음성 번역(ST) 시스템을 개발하였다. 사전 훈련된 모델을 기반으로 자원을 효율적으로 활용하기 위한 다양한 전략을 사용하여 시스템을 미세 조정하였다. 합성 데이터와 모델 규제를 통한 시스템 성능 향상을 추가적으로 연구하였으며, MT 모델을 사용하여 ASR 데이터에서 번역을 생성하는 MT-augmented ST를 조사하였다. 특히 병렬 ST 훈련 데이터가 부족한 북 레반트 아랍어의 경우, 합성 데이터로만 훈련된 시스템이 실제 데이터로 훈련된 계단식 시스템보다 약간 더 나은 성능을 보였다. 또한, MT 데이터에서 합성 음성을 생성하는 음성 합성 모델을 사용한 증강을 통해 Bemba어의 ASR 및 ST 성능 향상에 합성 데이터의 이점을 보여주었다. 모델 성능 향상을 위해 intra-distillation을 적용하였으며, 이 방법이 ASR, MT, ST 작업과 다양한 사전 훈련된 모델에서 일관되게 결과를 향상시키는 것을 보였다. 마지막으로, 최소 베이즈 위험 디코딩을 적용하여 계단식 및 종단간 시스템을 결합하여 약 1.5 BLEU 포인트의 성능 향상을 달성하였다.