*このデータセットはオンラインでの使用をサポートしています。ここをクリックしてジャンプしてください。

NonverbalTTSは、2025年にVK LabとYandexによってリリースされた非言語音声生成データセットです。関連する論文の結果は次のとおりです。NonverbalTTS: 感情注釈付きテキスト対応非言語発声の公開英語コーパス（テキスト読み上げ用）」は、表現力豊かなテキスト音声変換（TTS）研究を促進し、感情や非言語音を含む自然な音声を生成するモデルをサポートすることを目的としています。

このデータセットには、2,296 人の参加者 (男性 60%、女性 40%) による 17 時間分の高品質音声データが含まれており、10 種類の非言語音声 (呼吸、笑い、ため息、くしゃみ、咳、咳払い、うめき声、うなり声、いびき、吸入) と 8 つの感情カテゴリ (怒り、嫌悪、恐怖、幸福、中立、悲しみ、驚き、その他) をカバーしています。

データセットの機能:

• マルチソースデータ: VoxCelebとExpressoコーパスから派生

• 豊富なメタデータ: 感情タグ、非言語音声注釈、話者ID、音声品質メトリクス

• サンプリングレート: VoxCeleb のオーディオは 16kHz、Expresso のオーディオは 48kHz