俄罗斯VK实验室 发布 NonverbalTTS 数据集, 应用在 语音合成、情感计算 领域

俄罗斯VK实验室 本次发布的数据集 NonverbalTTS, NonverbalTTS是一个包含17小时的英语公开数据集，包含了10种非语言声音（如笑声、咳嗽）和8种情感类别的标注。数据集来源于VoxCeleb和Expresso，通过自动化检测和人工验证获得。该数据集通过自动语音识别（ASR）、非语言声音标记、情感分类和融合算法合并了多个标注者的转录。在NVTTS数据集上微调开源的文本到语音（TTS）模型，在人类评估和自动指标（包括说话者相似度和非语言声音保真度）方面实现了与闭源系统CosyVoice2的性能相当。通过发布NVTTS及其配套的标注指南，我们解决了表达性TTS研究中一个关键瓶颈。

查看NonverbalTTS

Dataset card 内容： 

Files and versions 内容： 

关于 arXiv , arXiv 是一个免费分发服务和开放获取的学术文章档案库，涵盖了物理学、数学、计算机科学、定量生物学、定量金融、统计学、电气工程和系统科学以及经济学等领域。该网站上的材料并未经过 arXiv 的同行评审。