• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    約束條件下的結(jié)構(gòu)化高斯混合模型及非平行語料語音轉(zhuǎn)換

    2016-11-22 07:00:29車瀅霞俞一彪
    電子學報 2016年9期
    關(guān)鍵詞:模型

    車瀅霞,俞一彪

    (蘇州大學電子信息學院, 江蘇蘇州 215006)

    ?

    約束條件下的結(jié)構(gòu)化高斯混合模型及非平行語料語音轉(zhuǎn)換

    車瀅霞,俞一彪

    (蘇州大學電子信息學院, 江蘇蘇州 215006)

    提出一種約束條件下的結(jié)構(gòu)化高斯混合模型及非平行語料語音轉(zhuǎn)換方法.從源與目標說話人的原始非平行語料中提取出少量相同音節(jié),在結(jié)構(gòu)化高斯混合模型的訓練過程中,利用這些相同音節(jié)包含的語義信息及聲學特征對應關(guān)系對K均值聚類中心進行約束,并在(Expectation Maximum,EM)迭代過程中對語音幀屬于模型分量的后驗概率進行修正,得到基于約束的結(jié)構(gòu)化高斯混合模型(Structured Gaussian Mixture Model with Constraint condition,C-SGMM).再利用全局聲學結(jié)構(gòu)(Acoustic Universal Structure,AUS)原理對源和目標說話人的約束結(jié)構(gòu)化高斯混合模型的高斯分布進行匹配對準,推導出短時譜轉(zhuǎn)換函數(shù).主觀和客觀評價實驗結(jié)果表明,使用該方法得到的轉(zhuǎn)換后語音在譜失真,目標傾向性和語音質(zhì)量等方面均優(yōu)于傳統(tǒng)的結(jié)構(gòu)化模型語音轉(zhuǎn)換方法,轉(zhuǎn)換語音的平均譜失真僅為0.52,說話人正確識別率達到95.25%,目標語音傾向性指標ABX平均為0.82,性能更加接近于基于平行語料的語音轉(zhuǎn)換方法.

    語音轉(zhuǎn)換;結(jié)構(gòu)化高斯混合模型;非平行語料;約束條件

    1 引言

    語音轉(zhuǎn)換是指將A說話人的語音進行轉(zhuǎn)換并使其聽起來像B說話人的語音,且保持語義內(nèi)容不變的一種技術(shù)[1].語音轉(zhuǎn)換、尤其是基于非平行語料訓練的語音轉(zhuǎn)換是目前語音研究領(lǐng)域比較新的課題,對于具有表現(xiàn)力的語音合成、語音偽裝通信、多媒體配音和殘疾人發(fā)聲等發(fā)面都有很廣泛的應用價值,因此近年來得到越來越多研究者的關(guān)注.

    傳統(tǒng)的說話人語音轉(zhuǎn)換方法大多采用平行語料的聯(lián)合訓練獲得轉(zhuǎn)換函數(shù)[2~4].但由于平行訓練語料在實際應用中難以獲得,近年來一些學者在基于非平行語料的語音轉(zhuǎn)換方面進行研究,并取得了一定的成果.Mouchtaris等利用說話人自適應技術(shù),通過特定人的平行語料訓練推導出非平行語料下的轉(zhuǎn)換函數(shù)[5],但首先要對參考說話人語音進行充分的聯(lián)合訓練獲得參考模型,再分別進行自適應獲得轉(zhuǎn)換函數(shù),計算量大且過程復雜;Erro等將最近鄰搜索算法(N-N)與語音轉(zhuǎn)換相結(jié)合[6],通過不斷迭代轉(zhuǎn)換過程后達到理想轉(zhuǎn)換效果,這一方法不僅迭代過程計算量大,而且最近鄰搜索算法難以保證正確的聲學特征對準處理;Saito等通過建立噪聲信道模型實現(xiàn)基于少量平行語料訓練的非平行語料下的語音轉(zhuǎn)換[7],但聯(lián)合模型的訓練仍然需要少量的高質(zhì)量平行語料;曾道建等提出了結(jié)構(gòu)化語音轉(zhuǎn)換方法[8],通過對結(jié)構(gòu)化高斯混合模型(Structured Gaussian Mixture Model,SGMM)在特征空間的對準實現(xiàn)說話人轉(zhuǎn)換,由于非平行語料的語音成份對應關(guān)系難以正確保證,轉(zhuǎn)換效果受到很大的影響.

    本文提出一種約束條件下的結(jié)構(gòu)化高斯混合模型并將其應用于非平行語料語音轉(zhuǎn)換.首先從源與目標說話人非平行語料中提取出少量相同音節(jié)作為約束信息,利用其包含的語義信息及聲學特征對應關(guān)系,在結(jié)構(gòu)化高斯混合模型(SGMM)的訓練過程中,約束K均值聚類的聚類中心以及修正EM過程中語音幀屬于某高斯分布的后驗概率,得到基于約束的結(jié)構(gòu)化高斯混合模型(C-SGMM).再利用全局聲學結(jié)構(gòu)(AUS)原理對源說話人和目標說話人的C-SGMM進行高斯分布對準,得到短時譜轉(zhuǎn)換函數(shù),實現(xiàn)語音轉(zhuǎn)換.通過主觀和客觀評價準則對轉(zhuǎn)換后的語音進行實驗測評,使用該方法得到的轉(zhuǎn)換后語音相比于傳統(tǒng)的結(jié)構(gòu)化語音轉(zhuǎn)換方法[8]降低了譜失真,提高了目標傾向性和語音質(zhì)量,轉(zhuǎn)換性能更加接近于傳統(tǒng)的基于平行語料的語音轉(zhuǎn)換方法[2~4].

    2 系統(tǒng)構(gòu)成

    圖1描述了約束條件下的結(jié)構(gòu)化高斯混合模型應用于非平行語料語音轉(zhuǎn)換的系統(tǒng)構(gòu)成.

    語音轉(zhuǎn)換系統(tǒng)分為訓練與轉(zhuǎn)換兩個部分.在訓練階段,對源語音和目標語音進行STRAIGHT分析,提取出短時譜及基頻,從短時譜中提取出線性預測倒譜系數(shù)(LPCC).與此同時,從源說話人及目標說話人的非平行訓練語料中提取出相同的音節(jié),經(jīng)過相同的STRAIGHT分析過程,其特征參數(shù)進行聯(lián)合訓練得到聯(lián)合分布的高斯混合模型,該聯(lián)合模型包含了源和目標語音成份的對應關(guān)系.然后,對該模型各個高斯分布進行標記,標明源與目標高斯分布之間的對應關(guān)系,作為約束信息指導源與目標語音LPCC特征參數(shù)的聚類和帶約束的SGMM建模,得到源與目標說話人語音各自的C-SGMM.而F0則由單高斯分布描述.訓練好的源與目標C-SGMM在保證由聯(lián)合模型得到的高斯分布對應關(guān)系的前提下,通過AUS原理進行其它高斯分布的匹配對準,繼而推導出非平行語料語音短時譜轉(zhuǎn)換函數(shù).

    轉(zhuǎn)換階段與傳統(tǒng)的基于高斯混合模型(GMM)的平行語料語音轉(zhuǎn)換類似,利用轉(zhuǎn)換公式分別對LPCC特征參數(shù)和F0轉(zhuǎn)換并合成后,得到轉(zhuǎn)換后的語音.

    3 約束條件下的高斯混合模型

    C-SGMM是從源和目標說話人的原始非平行訓練語料中提取少量相同音節(jié)作為約束信息,在SGMM的訓練過程中約束K均值聚類中心的產(chǎn)生,同時修正EM過程中某語音幀對應某高斯分量的后驗概率進行迭代訓練.因此,本節(jié)將首先對SGMM進行簡要描述及分析,然后針對C-SGMM的訓練過程,從約束信息引入K均值聚類和EM過程兩個方面進行介紹.

    3.1 結(jié)構(gòu)化高斯混合模型及其分析

    高斯混合模型(GMM)是單一高斯概率密度函數(shù)的延伸,由于GMM能夠平滑地近似任意形狀的密度分布,因此近年來常被用在語音識別,語音轉(zhuǎn)換等方面[9].結(jié)構(gòu)化高斯混合模型[8]將高斯混合模型結(jié)構(gòu)化,描述出高斯混合模型的各個單高斯分布之間的結(jié)構(gòu)特性,如圖2.首先用EM算法估計出高斯混合模型的參數(shù)(πk,μk,Σk),然后采用Bhattacharyya距離測度計算高斯混合模型中各個單高斯分布之間的相似性,定義為兩個單高斯分布的距離.Bhattacharyya距離測度(BD)計算公式如下:

    (1)

    結(jié)構(gòu)化高斯混合模型不僅描述了說話人語音特征的統(tǒng)計分布,而且描述了這些特征分布之間的結(jié)構(gòu)關(guān)系.由于高斯混合模型的每一個分量對應一個可分辨的語音特征分布,并且相同的語音成份具有相似的語音特征分布,因此,如果源和目標說話人的訓練語料足夠充分,使各語音成份能夠相對平衡,那么將其語音各自進行結(jié)構(gòu)化高斯混合模型建模之后,即使訓練語料不平行,相同的語音成份及其特征分布也能通過不斷調(diào)整結(jié)構(gòu)化高斯混合模型中高斯分量在其中的位置達到相對對準,實現(xiàn)高斯分布的一一對應,推導出語音短時譜轉(zhuǎn)換函數(shù)[8].

    但是在實際情況中,非平行訓練語料往往是非理想的.不同說話人發(fā)音習慣各有不同,那么源和目標語音的聲學特征之間則存在較大離散度,其SGMM之間的成份很可能沒有潛在的一一對應關(guān)系.再加上源和目標說話人的SGMM訓練是獨立進行的,缺少監(jiān)督信息,那么強制對準建立的源-目標語音成份聲學特征間的對應關(guān)系是不夠精確的,從而影響整體轉(zhuǎn)換性能.

    而在基于平行語料的說話人語音轉(zhuǎn)換中,由于平行訓練語料本身就存在語音成份上的對應關(guān)系,聯(lián)合訓練正是利用了這種對應關(guān)系,因此轉(zhuǎn)換語音從清晰度,可懂度和目標傾向性等方面均表現(xiàn)出較好的性能,但完全平行的訓練語料難以獲得.然而,在源和目標說話人原始的非平行訓練語料中,少量相同的音節(jié)很容易得到并且被提取出來.這些相同的音節(jié)包含了一定的語義信息[10],也包含了源和目標語音成份及其聲學特征的對應關(guān)系.顯然,這種對應關(guān)系可以作為約束信息加以有效利用,在SGMM訓練和匹配對準時起指導作用,也就是說SGMM的建模和對準以源和目標的少量相同音節(jié)指示的對應關(guān)系為基礎(chǔ),其它大量非平行語料在此基礎(chǔ)上對模型進行分量的擴展和微調(diào),充分利用語料本身存在的對應關(guān)系,使最終語音轉(zhuǎn)換的效果更接近于平行語料語音轉(zhuǎn)換.

    在對源和目標語音分別進行C-SGMM建模時,需要先用EM算法估計出高斯混合模型的參數(shù)(πk,μk,Σk),約束信息對C-SGMM建模的指導作用即體現(xiàn)在EM算法中.由于EM算法對初始值敏感,其初始迭代值可由基于密度的K均值聚類算法[11]產(chǎn)生,所以,將約束信息引入EM算法的同時也包括了將約束信息引入K均值聚類算法.以下將從基于約束的K均值聚類和基于約束的EM算法兩方面來進行闡述.

    3.2 基于約束的K均值聚類

    在對所有訓練語料聲學特征參數(shù)進行統(tǒng)計建模時,需要提取出源與目標說話人訓練語料中少量相同音節(jié)聯(lián)合訓練作為約束信息指導C-SGMM建模.基于這些音節(jié)樣本聯(lián)合訓練得到GMM的模型參數(shù),進一步計算得到每個高斯分量對應訓練數(shù)據(jù)中哪些樣本.屬于同一個高斯分量的樣本集可以看作一個簇,該簇內(nèi)的樣本具有相同的簇標記,包含了相似的語音特征參數(shù),這些樣本在聚類時必須被聚到同一類中.

    定義帶M個簇標記的數(shù)據(jù)樣本集X為

    由于相同音節(jié)數(shù)目的有限性,其特征參數(shù)聯(lián)合訓練的分布不能充分表達該說話人語音成份的特征分布,這就需要通過大量非平行訓練語料對模型所包含的分布進行適當?shù)臄U充,使得模型能充分描述該說話人完整的語音聲學特征.

    步驟1 確定初始聚類中心和聚類數(shù)目S(S>M).將{μx1,μx2,…,μxM}作為前M個初始值,將μx1,μx2,…,μxM的ε鄰域(實驗結(jié)果表明,本實驗使用的語料庫中女性說話人的ε=1.1,男性說話人的ε=1.3時可使K均值聚類的誤差相對較小)以外的yi∈Y按基于密度的K均值聚類算法擴充出(S-M)個初始值[11,12];

    步驟2 對Y進行聚類.計算所有yi∈Y與聚類中心C{c1,c2,…,cS}的距離,根據(jù)距離將yi劃分到最近的簇cs中;

    步驟3 對X進行聚類.X中的數(shù)據(jù)本身帶標記,以μx1,μx2,…,μxM為均值的的簇分別被聚類到{c1,c2,…,cM}中;

    步驟4 更新聚類中心.第t次迭代時,為了避免由于相同音節(jié)數(shù)少而導致的訓練不充分性,第j個聚類中心為

    (2)

    其中,|Cj|為第j類中無標記樣本yji的總數(shù),Nj為聚到第j類中的帶標記數(shù)據(jù)的總數(shù),μxj為其均值,在j>M時,Nj和μxj均為0;

    步驟5 重復步驟2~步驟4直至收斂或達到最大迭代次數(shù).

    3.3 基于約束的EM算法

    EM算法是一種迭代算法,包含了計算期望(E步)和最大化(M步)兩步,E步估計未知參數(shù)的期望值,給出當前的參數(shù)估計,M步重新估計分布參數(shù),使得數(shù)據(jù)的似然性最大,給出未知變量的期望估計.C-SGMM的參數(shù)(πk,μk,Σk)使用帶約束條件的EM算法進行估計,在帶約束K均值聚類的基礎(chǔ)上使用EM算法迭代計算,并在迭代過程中融入小樣本平行語料約束信息.

    首先估計樣本數(shù)據(jù)對應每個高斯分量的后驗概率.對于每個樣本數(shù)據(jù)yi,由第k個分量產(chǎn)生的后驗概率為

    (3)

    其中N(yi|μk,Σk)表示第k個高斯分布的概率密度函數(shù).

    然后通過最大似然估計可得到模型參數(shù)更新公式

    (4)

    (5)

    (6)

    通過其模型參數(shù)迭代更新的公式可知,yi及其后驗概率不僅影響其本身所屬分量的參數(shù)更新,同時也參與了其它分量的參數(shù)更新,也就是說,本應該屬于第k個分量的樣本會以其后驗概率對其它模型分量的參數(shù)產(chǎn)生或大或小的干擾[12],EM算法迭代的過程即是減小這種干擾的過程,使樣本以更大的后驗概率屬于某一分布,以更小的后驗概率屬于其它分布.

    根據(jù)前面的論述,帶有相同簇標記的樣本應該屬于同一個分量.根據(jù)簇平滑思想,通過加入了少量帶標記的數(shù)據(jù)樣本訓練得到的SGMM模型參數(shù)應該使得帶有相同簇標記的樣本的各個后驗概率相似,其不相似度在迭代的過程中可作為修正后驗概率的因子[13].

    帶標記的數(shù)據(jù)樣本xsj屬于第s個分布的后驗概率為p(s|xsj,θ)(s=1,2,…,S),對于該分布中的其它樣本,其p(s|ysn,θ)與p(s|xsj,θ)應該盡可能的相似,其相似度函數(shù)可定義為

    (7)

    該值越大,說明本應相同的值卻相差很大,p(s|ysn,θ)應作出較大的使之降低的調(diào)整;反之說明應該相同的值相差很小,為保證聯(lián)合訓練得出的對應關(guān)系,p(s|ysn,θ)不作調(diào)整或者不作很大的調(diào)整.可定義修正因子為

    (8)

    調(diào)整后的pl(s|ysn,θ)=p(s|ysn,θ)·ρsn.因此,每次EM迭代時都使用調(diào)整后的后驗概率進行模型參數(shù)的更新,則模型參數(shù)的更新公式為式(3)~式(5),其中

    (9)

    理論上該修正能加快EM算法的收斂速度,使EM算法得到的模型參數(shù)更符合用戶期望.

    由式(2)和(9)可知,第j類中的樣本個數(shù)Nj影響著Cj和γ′(i.k),也就是相同音節(jié)的個數(shù)影響著基于約束的K均值聚類中聚類中心的產(chǎn)生和基于約束的EM過程中樣本屬于某分量的后驗概率.Nj越大,相同音節(jié)對C-SGMM訓練的約束性越強,得到的C-SGMM中的分量越接近于平行訓練語料的GMM的分量,理論上轉(zhuǎn)換效果越好.

    在本文的實驗中,考慮到實際情況中非平行訓練語料的局限性,體現(xiàn)“少量約束信息”,從原始非平行訓練語料中提取出54個相同音節(jié),每個音節(jié)約為30幀.同時,為保證基于相同音節(jié)聯(lián)合訓練得出的對應關(guān)系不發(fā)生太大的偏離,通過觀察相似度函數(shù)值的統(tǒng)計直方圖和EM迭代過程中似然值,將女性說話人進行后驗概率調(diào)整的閾值設為4.5,男性說話人進行后驗概率調(diào)整的閾值設為4.3.后驗概率在相似度函數(shù)值達到所設閾值才進行調(diào)整,否則不作調(diào)整.

    最后,求得模型參數(shù)(πk,μk,Σk)后再計算每個高斯分布之間的Bhattacharyya距離,則C-SGMM訓練完成.

    4 基于C-SGMM的非平行語料語音轉(zhuǎn)換

    C-SGMM不僅描述了說話人語音特征分布,而且描述了這些特征分布之間的結(jié)構(gòu)關(guān)系,其應用于語音轉(zhuǎn)換的過程是通過不斷調(diào)整源說話人C-SGMM中高斯分布的位置,使源說話人C-SGMM調(diào)整之后與目標說話人C-SGMM在高斯分布上有正確的一一對應的關(guān)系,即語音成份上的對應關(guān)系,從而實現(xiàn)語音轉(zhuǎn)換.

    不同說話人發(fā)音的倒譜特征參數(shù)變化表現(xiàn)為一種線性映射關(guān)系[13],理論上,不同說話人發(fā)出的相同語音,倒譜特征參數(shù)在AUS中的Bhattacharyya距離是相同的,即

    BD(pi(x′),pj(x′))=BD(pi(x),pj(x))

    (10)

    其中,x是源語音的到譜特征參數(shù),x′是相同語音的目標語音的倒譜特征參數(shù).

    上式表明,盡管不同說話人發(fā)出的同一語音具有不同的聲學特征分布,但在倒譜空間中其結(jié)構(gòu)是相同的,只是位置發(fā)生了變化.AUS描述一個語音的內(nèi)在聲學特征結(jié)構(gòu)關(guān)系[14],通過AUS不變性原理將兩個C-SGMM中的聲學特征分布進行對準,從而可推導出語音轉(zhuǎn)換公式.

    兩個C-SGMM之間的距離定義為:

    (11)

    其中,sij,tij分別表示在源C-SGMM中和目標C-SGMM中連接節(jié)點i,j的邊,即式(1)所表示的Bhattacharyya距離.當下式成立時,表明源說話人的C-SGMM與目標說話人的C-SGMM之間的差異最小,此時兩模型之間高斯分量實現(xiàn)對準,即語音聲學特征已經(jīng)對準.

    (12)

    (13)

    1≤i,j≤N,1≤f(·)≤N

    (14)

    則短時譜的轉(zhuǎn)換函數(shù)可以表示為:

    (15)

    基于C-SGMM的語音轉(zhuǎn)換的核心是特征參數(shù)高斯分布的對準.由于每個高斯分布對應著一個特定的語音成份,如果由于算法的不精確導致模型的對準有偏差,則語音成份的對準也存在偏差,那么合成的語音就會詞序混亂,表意不明,所以C-SGMM中的高斯分量的對準是十分重要的,直接影響語音的可懂性.若要得到使對準式(11)~(13)成立的全局最優(yōu)解,理論上需要對模型中的高斯分布進行全排列,但這個搜索過程過于龐大,對計算機的性能要求極高,因此需要考慮能平衡搜索時間與模型匹配精度矛盾的局部最優(yōu)算法.所以,在C-SGMM的對準過程中使用基于爬山算法的快速模型匹配算法[15].

    由于C-SGMM的訓練不改變基于少量相同音節(jié)聯(lián)合訓練得到的源和目標語音在語音成份上的對應關(guān)系,所以在模型匹配過程中只需對新增的高斯分量使用快速匹配算法進行對準,由少量相同音節(jié)確定的高斯分布默認已經(jīng)一一對準,不再進行匹配對準.

    除了短時譜,另一個表征說話人個性特征的參數(shù)是基音頻率F0.本文使用單高斯分布描述源說話人和目標說話人的基音頻率分布特性,由此得到基音頻率的轉(zhuǎn)換公式為

    (16)

    其中,μS和σS表示源說話人基頻的均值和方差,μT和σT表示目標說話人基頻的均值和方差.

    5 實驗與分析

    設計了四個實驗來評價本文提出的方法是否有效.其中包括兩個客觀評價實驗和兩個主觀評價實驗,并且與基于GMM的平行語料語音轉(zhuǎn)換及傳統(tǒng)的結(jié)構(gòu)化非平行語料語音轉(zhuǎn)換結(jié)果進行比較.本實驗中采用的訓練和測試語料為均在安靜的環(huán)境下錄制的語料庫SUDA-3[8],訓練語料包括兩段男聲和兩段女聲(記為F1,F(xiàn)2,M1,M2),包含語音成份相對平衡,持續(xù)時間均為約3分鐘.測試語料為F1、 F2、M1和M2的各40段語音,每段語音持續(xù)時間約3秒鐘.錄制訓練和測試語料時采樣率均設為16kHz,量化位均為16.聯(lián)合訓練的高斯分布數(shù)為64.非平行訓練語料在使用C-SGMM建模時,均采用128個高斯分布,即在原64個高斯分布的基礎(chǔ)上新增64個高斯分布.LPCC特征參數(shù)均設為39階.

    5.1 客觀評價

    本小節(jié)設計了兩個客觀評價實驗,分別為說話人識別(SR)測試和譜失真(CD)測度.下列表格中,GMM表示使用傳統(tǒng)的基于GMM的平行語料語音轉(zhuǎn)換方法,SGMM表示傳統(tǒng)結(jié)構(gòu)化方法,C-SGMM表示基于約束的結(jié)構(gòu)化高斯混合模型方法.客觀測評結(jié)果如表1和表2.

    說話人識別測試主要是通過測試轉(zhuǎn)換后語音屬于源說話人和目標說話人語音的似然度來評價轉(zhuǎn)換性能.建立四個說話人(F1,F(xiàn)2,M1,M2)的高斯混合模型,高斯混合模型中的高斯分布數(shù)為16,特征矢量為12維MFCC參數(shù)以及12維一階MFCC差分值.

    表1 客觀測評結(jié)果(SR)

    表2 客觀測評結(jié)果(CD)

    譜失真測度測評轉(zhuǎn)換后語音的倒譜與目標語音倒譜之間的差異性,表示為

    (17)

    其中,N為語音的幀數(shù),M為特征參數(shù)LPCC的階數(shù),T表示目標語音的LPCC,而S′表示轉(zhuǎn)換后語音的LPCC.

    從表1的實驗結(jié)果可知,采用基于C-SGMM的語音轉(zhuǎn)換方法,轉(zhuǎn)換后語音的平均正確識別率達到95.25%,比傳統(tǒng)的結(jié)構(gòu)化方法高了0.75%,更加接近于傳統(tǒng)的基于GMM的平行語料語音轉(zhuǎn)換方法.由表2可知,使用該方法得到的平均譜失真測度相比于傳統(tǒng)的結(jié)構(gòu)化方法降低了10.3%,充分說明了使用該方法得到的譜包絡更加接近于目標譜包絡.

    5.2 主觀評價

    設計了兩個主觀評價實驗來測試轉(zhuǎn)換后語音的質(zhì)量,分別為ABX測試和MOS測試,測試人數(shù)為20人.實驗結(jié)果如表3和表4.

    在ABX測試中,聽者判斷轉(zhuǎn)換后的語音更加接近與源語音還是目標語音,接近源語音則給出評分0分,接近目標語音則給出評分1分.在MOS測試中,聽者根據(jù)聽到的語音的質(zhì)量對該語音進行打分,評分分為5個等級:1分表示很差,2分表示較差,3分表示一般,4分表示較好,5分表示很好.

    表3 主觀測評結(jié)果(ABX)

    表4 主觀測評結(jié)果(MOS)

    從表中各個方法的ABX與MOS得分可以看出,采用C-SGMM方法得到的實驗結(jié)果相比于傳統(tǒng)的結(jié)構(gòu)化方法,從目標傾向性和語音質(zhì)量兩方面更加接近于基于GMM的平行語料語音轉(zhuǎn)換方法的性能.

    6 總結(jié)

    本文論述了基于約束條件的結(jié)構(gòu)化高斯混合模型及基于該模型的非平行語料語音轉(zhuǎn)換方法.該方法不需要平行訓練語料,克服了傳統(tǒng)結(jié)構(gòu)化方法的語音成份對應關(guān)系的問題并且計算量相對較小.約束信息從源與目標非平行語料中提取并應用到SGMM的訓練中,通過對K均值聚類初始值的選取和聚類中心迭代的約束,將約束信息引入K均值聚類;通過相似度函數(shù)對樣本所屬類別的后驗概率進行調(diào)整,將約束信息引入EM算法中,最終得到C-SGMM.C-SGMM中新增的高斯分布利用基于AUS原理的快速匹配算法進行匹配對準,而由約束信息確定的高斯分布默認對準,從而得到短時譜轉(zhuǎn)換函數(shù)進行語音轉(zhuǎn)換.主觀和客觀實驗結(jié)果表明,使用該方法得到的語音轉(zhuǎn)換性能相比于傳統(tǒng)的結(jié)構(gòu)化語音轉(zhuǎn)換方法有較大提高,更加接近于傳統(tǒng)的基于平行語料的語音轉(zhuǎn)換方法.

    由于基于約束的EM算法中進行后驗概率調(diào)整的閾值隨不同說話人改變,與基頻相關(guān)性未知,故后續(xù)研究中需對此進行進一步探究.

    [1]Stylianou,Y.Voice transformation:A survey[A].IEEE International Conference on Acoustics,Speech and Signal Processing[C].Taipei:IEEE,2009.3585-3588.

    [2]康永國,雙志偉,陶建華,張維.基于混合映射模型的語音轉(zhuǎn)換算法研究[J].聲學學報,2006,31(6):555-562.

    Kang Yongguo,Shuang Zhiwei,Tao Jianhua,et al.A hybrid method to convert acoustic features for voice conversion[J].Acta Acustica,2006,31(6):555-562.(in Chinese)

    [3]徐寧,楊震,張玲華.基于狀態(tài)空間模型的子頻帶語音轉(zhuǎn)換算法[J].電子學報,2010,38(3):646-653.

    Xu Ning,Yang Zhen,Zhang Ling-hua.Sub-and voice morphing algorithm based on state-space model[J].Acta Electronica Sinica,2010,38(3):646-653.(in Chinese)

    [4]Gu Hung-yan,Tsai Sung-fung.Improving segmental GMM based voice conversion method with target frame selection[A].International Symposium on Chinese Spoken Language Processing (ISCSLP)[C].Singapore:IEEE,2014.483-487.

    [5]Mouchtaris A,Van der Spiegel J,Mueller P.Nonparallel training for voice conversion based on a parameter adaptation approach[J].IEEE Transactions on Audio,Speech,and Language Processing,2006,14(3):952-963.

    [6]Erro D,Moreno A,Bonafonte A.INCA Algorithm for training voice conversion systems from nonparallel corpora[J].IEEE Transactions on Audio,Speech,and Language Processing,2010,18(5):944-953.

    [7]Saito D,Watanabe S,Nakamura A,et al.Statistical voice conversion based on noisy channel model[J].IEEE Transactions on Audio,Speech,and Language Processing,2012,20(6):1784-1794.

    [8]俞一彪,曾道建,姜瑩.采用獨立說話人模型的語音轉(zhuǎn)換[J].聲學學報,2012,37(3):346-352.

    Yu Yibiao,Zheng Daojiang,Jiang Ying.Voice conversion based on isolated speaker model[J].Acta Acustica,2012,37(3):346-352.(in Chinese)

    [9]Li Xian,Wang Zeng-fu.Frame correlation based autoregressive GMM method for voice conversion[A].International Symposium on Chinese Spoken Language Processing (ISCSLP)[C].Singapore:IEEE,2014.221-225.

    [10]Li Yan-ping,Zhang Ling-hua,Ding Hui.Nonparallel voice conversion based on phoneme classification and eigenvoices[A].IEEE International Conference on Communication Technology (ICCT)[C].Nanjing:IEEE,2010.662-665.

    [11]Oliva G,La Manna D,Fagiolini A,et al.Distance-constrained data clustering by combined k-means algorithms and opinion dynamics filters[A].Mediterranean Conference of Control and Automation (MED)[C].Palermo:IEEE,2014.612-619.

    [12]於躍成.基于半監(jiān)督學習的分布式和演化聚類研究[D].南京:南京航空航天大學,2012.

    Yu Yuecheng.Distributed clustering and evolutionary clustering algorithm based on semi-supervised learning[D].Najing:Nanjing University of Aeronautics and Astronautics,2012.(in Chinese)

    [13]Michael Pitz,Hermann Ney.Vocal tract normalization equals linear transformation in cepstral space[J].IEEE Trans on Audio,Speech,and Language Processing,2005,13(5):930-944.

    [14]Minematsu N.Mathematical evidence of the acoustic universal structure in speech[A].IEEE International Conference on Acoustics,Speech,and Signal Processing,(ICASSP)[C].Philadelphia:IEEE,2005.889-892.

    [15]Che Yingxia,Yu Yibiao.Fast matching algorithm between statistical acoustic models of source-target speaker in structured approach of non-parallel corpora voice conversion[A].IEEE International Conference on Information Science and Technology (ICIST)[C].Shenzhen:IEEE,2014.88-92.

    車瀅霞 女,1989年生,江蘇常州人,蘇州大學電子信息學院碩士,研究方向為語音信號處理.

    俞一彪(通信作者) 男,1962年生,江蘇無錫人,蘇州大學電子信息學院教授,主要研究領(lǐng)域為語音信號處理、多媒體通信、信息隱藏.

    Non-parallel Corpora Voice Conversion Based on Structured Gaussian Mixture Model Under Constraint Conditions

    CHE Ying-xia,YU Yi-biao

    (SchoolofElectronicandInformationEngineering,SoochowUniversity,Suzhou,Jiangsu215006,China)

    This paper proposes a structured Gaussian mixture model with constraint conditions (C-SGMM) for non-parallel corpora voice conversion.A small number of voice signals with the same syllables from the source and target non-parallel corpus are extracted as constraint conditions,then the correspondence between acoustic features of source and target corpus formed by these syllables are applied in the process of statistical acoustic model training.The constraint conditions are used to restrict the cluster centers ofK-means clustering process,and they are also used in EM algorithm to adjust the voice frame’s posterior probability belonging to a Gaussian distribution component for model training.Then Gaussian distributions in source and target structured Gaussian mixture models are aligned using acoustic universal structure principle and the conversion function can be derived.Results of both subjective and objective experiments indicate that the conversion performance obtained by the proposed method are advanced to that of the traditional structured method in cepstrum distortion,target tendency and speech quality aspects.The average cepstrum distortion of converted speech is only 0.52,the speaker recognition rate of the converted speech reaches 95.25%,and the performance closer to the conventional parallel corpora GMM based method is achieved.

    voice conversion;structure Gaussian mixture model;non-parallel corpora;constraint conditions

    2015-02-08;

    2015-08-10;責任編輯:梅志強

    國家自然科學基金(No.61271360);江蘇省自然科學基金(No.BK20131196)

    TN912.33

    A

    0372-2112 (2016) 09-2282-07

    ??學報URL:http://www.ejournal.org.cn

    10.3969/j.issn.0372-2112.2016.09.37

    猜你喜歡
    模型
    一半模型
    一種去中心化的域名服務本地化模型
    適用于BDS-3 PPP的隨機模型
    提煉模型 突破難點
    函數(shù)模型及應用
    p150Glued在帕金森病模型中的表達及分布
    函數(shù)模型及應用
    重要模型『一線三等角』
    重尾非線性自回歸模型自加權(quán)M-估計的漸近分布
    3D打印中的模型分割與打包
    ponron亚洲| a级毛片在线看网站| 十八禁人妻一区二区| 久久久精品国产亚洲av高清涩受| 久久久久久大精品| 99香蕉大伊视频| 高清在线国产一区| 国产精品98久久久久久宅男小说| 日韩欧美一区视频在线观看| 久久中文字幕一级| 99香蕉大伊视频| 亚洲情色 制服丝袜| 亚洲va日本ⅴa欧美va伊人久久| 一级黄色大片毛片| 精品一区二区三区视频在线观看免费| 国产99白浆流出| ponron亚洲| 国产男靠女视频免费网站| 91字幕亚洲| ponron亚洲| 精品人妻在线不人妻| 高清黄色对白视频在线免费看| 国产亚洲欧美98| 国产精品电影一区二区三区| 少妇粗大呻吟视频| videosex国产| e午夜精品久久久久久久| 波多野结衣巨乳人妻| 国产成人欧美| 琪琪午夜伦伦电影理论片6080| 男人操女人黄网站| 看片在线看免费视频| 亚洲国产欧美日韩在线播放| 国产亚洲欧美在线一区二区| 两性夫妻黄色片| 午夜久久久久精精品| 国产精品99久久99久久久不卡| 美女午夜性视频免费| 中文字幕另类日韩欧美亚洲嫩草| 久久久国产成人精品二区| netflix在线观看网站| 亚洲 国产 在线| 日韩三级视频一区二区三区| 无人区码免费观看不卡| netflix在线观看网站| 亚洲精品在线观看二区| 午夜福利免费观看在线| 免费不卡黄色视频| 女人爽到高潮嗷嗷叫在线视频| 伊人久久大香线蕉亚洲五| 欧美日本中文国产一区发布| 极品人妻少妇av视频| 亚洲午夜理论影院| 国产精品久久久av美女十八| 电影成人av| 亚洲国产中文字幕在线视频| 亚洲欧美精品综合一区二区三区| 黄片小视频在线播放| 久久久久九九精品影院| 日日夜夜操网爽| 亚洲国产欧美日韩在线播放| 99国产综合亚洲精品| 亚洲五月天丁香| 日本欧美视频一区| 成人国产综合亚洲| 国产精品亚洲一级av第二区| 国产高清视频在线播放一区| 国产在线观看jvid| 亚洲第一青青草原| 久久中文字幕人妻熟女| 欧美成人免费av一区二区三区| 天天一区二区日本电影三级 | 亚洲一码二码三码区别大吗| 亚洲欧洲精品一区二区精品久久久| 欧美成人午夜精品| 国产精品二区激情视频| 久久久精品国产亚洲av高清涩受| 国产免费男女视频| 精品国产一区二区三区四区第35| 又大又爽又粗| 我的亚洲天堂| 国产成人欧美| 国产伦人伦偷精品视频| 国内久久婷婷六月综合欲色啪| 一二三四在线观看免费中文在| 精品国产美女av久久久久小说| 丝袜人妻中文字幕| 99精品在免费线老司机午夜| 色在线成人网| 亚洲av熟女| www.精华液| 亚洲欧美激情在线| 淫秽高清视频在线观看| 成人亚洲精品av一区二区| 亚洲午夜精品一区,二区,三区| 日本 av在线| 午夜福利在线观看吧| www.精华液| 久久热在线av| www.自偷自拍.com| 少妇熟女aⅴ在线视频| 久久精品91蜜桃| 午夜福利欧美成人| 男人的好看免费观看在线视频 | 亚洲精华国产精华精| 精品国产乱码久久久久久男人| 午夜福利在线观看吧| 久久性视频一级片| 日本免费一区二区三区高清不卡 | 亚洲 欧美 日韩 在线 免费| 国产真人三级小视频在线观看| 啪啪无遮挡十八禁网站| 久久久久精品国产欧美久久久| 又紧又爽又黄一区二区| 色综合站精品国产| 欧美日韩亚洲国产一区二区在线观看| 身体一侧抽搐| 免费女性裸体啪啪无遮挡网站| 欧美日韩亚洲国产一区二区在线观看| 亚洲成人久久性| АⅤ资源中文在线天堂| 色播亚洲综合网| 国产亚洲av嫩草精品影院| 国产av又大| 国产成+人综合+亚洲专区| 两性午夜刺激爽爽歪歪视频在线观看 | 在线观看www视频免费| 中文字幕人妻丝袜一区二区| 亚洲免费av在线视频| 亚洲最大成人中文| 99国产极品粉嫩在线观看| 在线观看免费视频网站a站| 精品无人区乱码1区二区| 黄色毛片三级朝国网站| 久久久久精品国产欧美久久久| 一级黄色大片毛片| 午夜福利一区二区在线看| 成在线人永久免费视频| 在线观看日韩欧美| 热99re8久久精品国产| 制服人妻中文乱码| 午夜两性在线视频| 国产私拍福利视频在线观看| 国产精华一区二区三区| 亚洲情色 制服丝袜| 亚洲三区欧美一区| 十八禁网站免费在线| 精品欧美国产一区二区三| 午夜久久久久精精品| 欧美成人午夜精品| 国产精品,欧美在线| 一边摸一边抽搐一进一小说| 亚洲avbb在线观看| 天天一区二区日本电影三级 | 久9热在线精品视频| 免费久久久久久久精品成人欧美视频| 曰老女人黄片| 人人妻人人澡欧美一区二区 | 好看av亚洲va欧美ⅴa在| 神马国产精品三级电影在线观看 | 黄色成人免费大全| 欧美日本亚洲视频在线播放| 久久精品人人爽人人爽视色| 无人区码免费观看不卡| 亚洲中文日韩欧美视频| 日韩免费av在线播放| 88av欧美| 亚洲精品久久国产高清桃花| 欧美日韩亚洲国产一区二区在线观看| 国产亚洲精品一区二区www| 精品日产1卡2卡| av视频在线观看入口| 日韩大码丰满熟妇| 香蕉国产在线看| 日本免费一区二区三区高清不卡 | 丝袜人妻中文字幕| 国产精品久久电影中文字幕| 天天一区二区日本电影三级 | 十分钟在线观看高清视频www| 91老司机精品| 怎么达到女性高潮| 国产熟女午夜一区二区三区| 别揉我奶头~嗯~啊~动态视频| 精品久久久久久成人av| 久久婷婷人人爽人人干人人爱 | 制服人妻中文乱码| 黄色 视频免费看| 午夜a级毛片| 久久精品国产亚洲av高清一级| 国内精品久久久久久久电影| 9191精品国产免费久久| 午夜免费成人在线视频| 欧美日本中文国产一区发布| 久久天躁狠狠躁夜夜2o2o| 国内久久婷婷六月综合欲色啪| 免费一级毛片在线播放高清视频 | 一本久久中文字幕| 老司机福利观看| 亚洲最大成人中文| 一进一出好大好爽视频| 桃红色精品国产亚洲av| 最近最新中文字幕大全电影3 | 国产精品久久视频播放| 亚洲欧美激情综合另类| 一级毛片高清免费大全| 激情视频va一区二区三区| 美女午夜性视频免费| 国产精品爽爽va在线观看网站 | 国产精品av久久久久免费| 久99久视频精品免费| 啦啦啦观看免费观看视频高清 | 亚洲人成电影观看| 国产激情久久老熟女| 亚洲专区国产一区二区| 宅男免费午夜| 人人妻人人澡人人看| 看片在线看免费视频| 无遮挡黄片免费观看| 少妇裸体淫交视频免费看高清 | 757午夜福利合集在线观看| 国产一区二区三区视频了| 国产主播在线观看一区二区| 久久中文字幕人妻熟女| 免费人成视频x8x8入口观看| 亚洲成a人片在线一区二区| 日韩大尺度精品在线看网址 | 欧美午夜高清在线| 亚洲av美国av| 亚洲国产欧美一区二区综合| 校园春色视频在线观看| 久久精品国产综合久久久| 国产人伦9x9x在线观看| 操美女的视频在线观看| 91老司机精品| 亚洲国产高清在线一区二区三 | 国产激情欧美一区二区| av天堂在线播放| 亚洲av第一区精品v没综合| 欧美中文综合在线视频| 欧美成人午夜精品| 欧美黑人精品巨大| 免费女性裸体啪啪无遮挡网站| 高清在线国产一区| 欧美成人午夜精品| 亚洲精品美女久久av网站| 久9热在线精品视频| 热re99久久国产66热| 亚洲国产精品sss在线观看| 老鸭窝网址在线观看| 校园春色视频在线观看| 中文亚洲av片在线观看爽| 国产野战对白在线观看| 99精品欧美一区二区三区四区| 久久午夜亚洲精品久久| 精品国产乱子伦一区二区三区| 国产精品综合久久久久久久免费 | 啪啪无遮挡十八禁网站| 九色国产91popny在线| 国产精品一区二区精品视频观看| 乱人伦中国视频| 亚洲视频免费观看视频| 国内毛片毛片毛片毛片毛片| 一区二区三区精品91| 国产麻豆成人av免费视频| 香蕉久久夜色| 国产亚洲精品第一综合不卡| 叶爱在线成人免费视频播放| 首页视频小说图片口味搜索| 老熟妇乱子伦视频在线观看| 在线观看一区二区三区| 国产精品久久久久久人妻精品电影| 亚洲avbb在线观看| 欧美精品亚洲一区二区| 久久国产乱子伦精品免费另类| 在线天堂中文资源库| 亚洲精品中文字幕一二三四区| 日本 欧美在线| 欧美中文综合在线视频| 欧美精品啪啪一区二区三区| 色哟哟哟哟哟哟| 国产xxxxx性猛交| 成人免费观看视频高清| 一本久久中文字幕| 亚洲男人的天堂狠狠| 国内精品久久久久精免费| 又黄又粗又硬又大视频| 亚洲成人免费电影在线观看| 好男人电影高清在线观看| avwww免费| 亚洲av日韩精品久久久久久密| 制服丝袜大香蕉在线| tocl精华| 夜夜夜夜夜久久久久| 9191精品国产免费久久| 亚洲全国av大片| 免费看美女性在线毛片视频| 日韩有码中文字幕| 丰满人妻熟妇乱又伦精品不卡| 国产1区2区3区精品| 曰老女人黄片| 久久婷婷人人爽人人干人人爱 | 国产精品美女特级片免费视频播放器 | 精品久久久精品久久久| 动漫黄色视频在线观看| av欧美777| 免费在线观看完整版高清| 夜夜爽天天搞| 自拍欧美九色日韩亚洲蝌蚪91| 搞女人的毛片| 成人特级黄色片久久久久久久| 国产高清激情床上av| 国产一区二区三区综合在线观看| 久久久久九九精品影院| 丁香六月欧美| 每晚都被弄得嗷嗷叫到高潮| 亚洲精品美女久久久久99蜜臀| 午夜福利在线观看吧| 久久精品国产99精品国产亚洲性色 | av天堂在线播放| 亚洲片人在线观看| 亚洲七黄色美女视频| 国产成人一区二区三区免费视频网站| 欧美黄色淫秽网站| 午夜久久久久精精品| 好看av亚洲va欧美ⅴa在| 日本免费一区二区三区高清不卡 | 丝袜人妻中文字幕| 很黄的视频免费| 午夜福利影视在线免费观看| 欧美黑人精品巨大| 大型av网站在线播放| 精品日产1卡2卡| www日本在线高清视频| www.自偷自拍.com| 国产黄a三级三级三级人| 男人的好看免费观看在线视频 | 日韩免费av在线播放| 婷婷六月久久综合丁香| 青草久久国产| 99精品在免费线老司机午夜| 夜夜看夜夜爽夜夜摸| 日韩三级视频一区二区三区| 一进一出抽搐动态| 老熟妇乱子伦视频在线观看| 国产精品香港三级国产av潘金莲| 精品免费久久久久久久清纯| 亚洲avbb在线观看| 国产午夜福利久久久久久| 一进一出好大好爽视频| 波多野结衣一区麻豆| 亚洲欧洲精品一区二区精品久久久| 免费一级毛片在线播放高清视频 | 日韩精品免费视频一区二区三区| 久久人妻熟女aⅴ| 亚洲欧美精品综合久久99| 韩国av一区二区三区四区| 国产男靠女视频免费网站| 91成年电影在线观看| 欧美乱妇无乱码| 久久青草综合色| 久久精品91蜜桃| 色在线成人网| 日本免费一区二区三区高清不卡 | 国产人伦9x9x在线观看| 夜夜看夜夜爽夜夜摸| 久久久精品欧美日韩精品| 欧洲精品卡2卡3卡4卡5卡区| 自线自在国产av| 国产成人精品无人区| 欧美日韩亚洲国产一区二区在线观看| 岛国在线观看网站| www.999成人在线观看| 午夜精品久久久久久毛片777| av天堂久久9| 国产精品亚洲一级av第二区| 天堂√8在线中文| 国产欧美日韩一区二区精品| 欧美最黄视频在线播放免费| 人人妻,人人澡人人爽秒播| а√天堂www在线а√下载| 亚洲精品国产一区二区精华液| 一二三四在线观看免费中文在| 日韩视频一区二区在线观看| 亚洲在线自拍视频| 久久国产乱子伦精品免费另类| 如日韩欧美国产精品一区二区三区| 一级毛片高清免费大全| 久久婷婷人人爽人人干人人爱 | 国产精品乱码一区二三区的特点 | 欧美丝袜亚洲另类 | 久久香蕉精品热| 午夜a级毛片| 欧美成人一区二区免费高清观看 | 日本撒尿小便嘘嘘汇集6| 在线观看舔阴道视频| 涩涩av久久男人的天堂| 色播亚洲综合网| 亚洲精品国产色婷婷电影| 亚洲伊人色综图| 亚洲国产欧美一区二区综合| 精品国产国语对白av| 国产精品久久久人人做人人爽| 男人操女人黄网站| 精品国内亚洲2022精品成人| 亚洲中文字幕日韩| 久久人妻福利社区极品人妻图片| 午夜福利成人在线免费观看| 亚洲国产欧美日韩在线播放| 成在线人永久免费视频| 99久久综合精品五月天人人| 黄色成人免费大全| 国产91精品成人一区二区三区| 精品熟女少妇八av免费久了| 免费在线观看视频国产中文字幕亚洲| 天堂√8在线中文| 国产片内射在线| 国产精品久久久av美女十八| 国产欧美日韩综合在线一区二区| 亚洲精品一卡2卡三卡4卡5卡| av在线天堂中文字幕| 欧美久久黑人一区二区| 村上凉子中文字幕在线| 日韩有码中文字幕| 国产精品免费视频内射| 国产精品av久久久久免费| 最新美女视频免费是黄的| 亚洲精品一区av在线观看| 国产精品久久视频播放| 亚洲国产精品合色在线| 亚洲性夜色夜夜综合| 一级毛片女人18水好多| 一区福利在线观看| 亚洲免费av在线视频| 午夜精品国产一区二区电影| 男人的好看免费观看在线视频 | 久久久国产成人免费| 国产亚洲av高清不卡| 男女下面插进去视频免费观看| 人妻丰满熟妇av一区二区三区| 日韩精品免费视频一区二区三区| 女警被强在线播放| 精品国产超薄肉色丝袜足j| 久久精品国产亚洲av高清一级| 国产1区2区3区精品| 99精品欧美一区二区三区四区| 久久伊人香网站| 欧美在线黄色| 成人国语在线视频| 亚洲专区中文字幕在线| 午夜免费激情av| 激情在线观看视频在线高清| 性色av乱码一区二区三区2| 熟妇人妻久久中文字幕3abv| 国产精品香港三级国产av潘金莲| 国产区一区二久久| 999久久久国产精品视频| 欧美成人一区二区免费高清观看 | 亚洲 欧美 日韩 在线 免费| 欧美在线一区亚洲| 免费无遮挡裸体视频| cao死你这个sao货| 亚洲一区中文字幕在线| 亚洲七黄色美女视频| 色老头精品视频在线观看| 满18在线观看网站| 天天一区二区日本电影三级 | 日韩精品中文字幕看吧| 精品免费久久久久久久清纯| 国产免费男女视频| 俄罗斯特黄特色一大片| 久久国产精品人妻蜜桃| 国产私拍福利视频在线观看| 亚洲天堂国产精品一区在线| 色综合亚洲欧美另类图片| 久久久久精品国产欧美久久久| 亚洲片人在线观看| 久久久久国产一级毛片高清牌| 亚洲 国产 在线| 国产色视频综合| 变态另类成人亚洲欧美熟女 | 国产免费男女视频| 久久久久久国产a免费观看| 正在播放国产对白刺激| 日本欧美视频一区| 91麻豆av在线| 丁香欧美五月| 99久久综合精品五月天人人| 天天躁狠狠躁夜夜躁狠狠躁| 十分钟在线观看高清视频www| 乱人伦中国视频| 极品人妻少妇av视频| 97碰自拍视频| x7x7x7水蜜桃| 男人舔女人的私密视频| 国产国语露脸激情在线看| 好男人电影高清在线观看| 热99re8久久精品国产| 韩国精品一区二区三区| 精品一区二区三区四区五区乱码| 久久人人97超碰香蕉20202| 好男人在线观看高清免费视频 | 女人高潮潮喷娇喘18禁视频| 国内精品久久久久久久电影| 久久久久亚洲av毛片大全| 99久久精品国产亚洲精品| 18禁观看日本| 日韩有码中文字幕| 自线自在国产av| 国产成人一区二区三区免费视频网站| 黑人巨大精品欧美一区二区蜜桃| 精品一区二区三区四区五区乱码| 成人国产一区最新在线观看| 国产精品美女特级片免费视频播放器 | 变态另类成人亚洲欧美熟女 | 国产精品亚洲一级av第二区| 久久久久九九精品影院| 久久精品91蜜桃| 亚洲精品久久国产高清桃花| 侵犯人妻中文字幕一二三四区| 一本久久中文字幕| 亚洲一区二区三区色噜噜| 欧美日韩福利视频一区二区| 日韩免费av在线播放| 俄罗斯特黄特色一大片| 午夜久久久在线观看| 97人妻精品一区二区三区麻豆 | 久久人妻福利社区极品人妻图片| 99精品在免费线老司机午夜| 午夜福利一区二区在线看| 久久精品国产99精品国产亚洲性色 | 亚洲中文字幕日韩| 久久久久国内视频| 777久久人妻少妇嫩草av网站| 欧美在线一区亚洲| 久久精品亚洲熟妇少妇任你| 国产伦人伦偷精品视频| 天天一区二区日本电影三级 | 搡老熟女国产l中国老女人| 亚洲精品国产精品久久久不卡| 窝窝影院91人妻| 老汉色av国产亚洲站长工具| 伦理电影免费视频| 黄片小视频在线播放| 91大片在线观看| 男女床上黄色一级片免费看| 啦啦啦韩国在线观看视频| 亚洲精品美女久久av网站| 中文字幕av电影在线播放| 琪琪午夜伦伦电影理论片6080| 亚洲国产日韩欧美精品在线观看 | 亚洲精品国产区一区二| 免费人成视频x8x8入口观看| 国产乱人伦免费视频| 中国美女看黄片| 色哟哟哟哟哟哟| 一进一出抽搐动态| 久久人人精品亚洲av| 久久久久国产一级毛片高清牌| 欧美黑人精品巨大| 日韩欧美国产在线观看| 久久中文看片网| 高清在线国产一区| 午夜a级毛片| 可以免费在线观看a视频的电影网站| 午夜影院日韩av| 免费在线观看亚洲国产| 亚洲全国av大片| 亚洲一卡2卡3卡4卡5卡精品中文| 国产亚洲精品久久久久久毛片| 亚洲国产欧美一区二区综合| www日本在线高清视频| 少妇裸体淫交视频免费看高清 | 国产乱人伦免费视频| 亚洲欧美一区二区三区黑人| 国产免费男女视频| 亚洲精品中文字幕一二三四区| 国产熟女xx| 国产午夜精品久久久久久| 亚洲 欧美一区二区三区| 天堂√8在线中文| 国产成人av激情在线播放| 99精品欧美一区二区三区四区| 国产在线精品亚洲第一网站| 久久中文看片网| 91老司机精品| 一二三四社区在线视频社区8| xxx96com| 99热只有精品国产| 国产精品永久免费网站| 精品人妻在线不人妻| 91大片在线观看| www.999成人在线观看| 久久国产亚洲av麻豆专区| 免费高清在线观看日韩| 国产免费男女视频| 夜夜爽天天搞| 动漫黄色视频在线观看| 一进一出抽搐动态| 午夜福利18| 欧美日韩亚洲国产一区二区在线观看| 国产主播在线观看一区二区| 9色porny在线观看| 成人亚洲精品一区在线观看| 色婷婷久久久亚洲欧美| 成人手机av| 黑人巨大精品欧美一区二区蜜桃| 免费在线观看亚洲国产| 成人三级黄色视频| 正在播放国产对白刺激| 亚洲精品粉嫩美女一区| 久久精品国产综合久久久| 最近最新中文字幕大全免费视频| 又紧又爽又黄一区二区| 国产欧美日韩综合在线一区二区| 国产精品久久久av美女十八|