NonverbalTTS ist ein Datensatz zur nonverbalen Audiogenerierung, der 2025 von VK Lab und Yandex veröffentlicht wurde. Die zugehörigen Ergebnisse des Papiers sind „NonverbalTTS: Ein öffentliches englisches Korpus textorientierter nonverbaler Vokalisierungen mit Emotionsannotationen für Text-to-Speech“, dessen Ziel es ist, die Forschung im Bereich ausdrucksstarker Text-to-Audio (TTS) zu fördern und Modelle zur Erzeugung natürlicher Sprache zu unterstützen, die Emotionen und nonverbale Laute enthält. Der Datensatz enthält 17 Stunden hochwertige Sprachdaten von 2.296 Teilnehmern (601 TP3T-Männer, 401 TP3T-Frauen) und deckt 10 nonverbale Sprachtypen (Atmen, Lachen, Seufzen, Niesen, Husten, Räuspern, Stöhnen, Grunzen, Schnarchen und Einatmen) und 8 Emotionskategorien (Wut, Ekel, Angst, Glück, Neutralität, Traurigkeit, Überraschung und Sonstiges) ab.

Datensatzfunktionen:

• Daten aus mehreren Quellen: abgeleitet aus den Korpora von VoxCeleb und Expresso
• Umfangreiche Metadaten: Emotions-Tags, nonverbale Sprachanmerkungen, Sprecher-IDs, Audioqualitätsmetriken
• Abtastrate: 16 kHz für Audio von VoxCeleb, 48 kHz für Audio von Expresso

Zitat

@inproceedings{borisov25_ssw, title = {{NonverbalTTS: Ein öffentliches englisches Korpus von textbezogenen nonverbalen Lautäußerungen mit Emotionsannotationen für die Text-zu-Sprache-Umwandlung}}, Autor = {Maksim Borisov und Egor Spirin und Daria Diatlova}, Jahr = {2025}, Buchtitel = {{13. Ausgabe des Workshops zur Sprachsynthese}}, Seiten = {104–109}, doi = {10.21437/SSW.2025-16}, }