*该数据集支持在线使用，点击此处跳转。

NonverbalTTS 是由 VK Lab 联合 Yandex 于 2025 年发布的一个非语言音频生成数据集，相关论文成果为「NonverbalTTS: A Public English Corpus of Text-Aligned Nonverbal Vocalizations with Emotion Annotations for Text-to-Speech」，旨在推动表达性文本到音频（TTS）研究，支持模型生成包含情绪和非语言发声的自然语音。

该数据集包含 17 小时的高质量语音数据，数据源自 2,296 名参与者（60% 男性，40% 女性），涵盖 10 种非语言语音类型（呼吸、笑声、叹息、打喷嚏、咳嗽、清嗓子、呻吟、咕哝、打鼾、吸气）、 8 种情绪类别（愤怒、厌恶、恐惧、快乐、中性、悲伤、惊讶、其他）。

数据集特点：

• 多源数据：源自 VoxCeleb 和 Expresso 语料库

• 丰富的元数据：情绪标签、非语言语音标注、说话人 ID 、音频质量指标

• 采样率：来自 VoxCeleb 的音频为 16kHz，来自 Expresso 的音频为 48kHz