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)。