• <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(xué)報(bào) 2016年9期
    關(guān)鍵詞:模型

    車瀅霞,俞一彪

    (蘇州大學(xué)電子信息學(xué)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(xué)電子信息學(xué)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(biāo)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(xùn)練過程中,利用這些相同音節(jié)包含的語義信息及聲學(xué)特征對應(yīng)關(guān)系對K均值聚類中心進(jìn)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(yàn)概率進(jìn)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(xué)結(jié)構(gòu)(Acoustic Universal Structure,AUS)原理對源和目標(biāo)說話人的約束結(jié)構(gòu)化高斯混合模型的高斯分布進(jìn)行匹配對準(zhǔn),推導(dǎo)出短時(shí)譜轉(zhuǎn)換函數(shù).主觀和客觀評價(jià)實(shí)驗(yàn)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(biāo)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(dá)到95.25%,目標(biāo)語音傾向性指標(biāo)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(jìn)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(xùn)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(yīng)用價(jià)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(xùn)練獲得轉(zhuǎn)換函數(shù)[2~4].但由于平行訓(xùn)練語料在實(shí)際應(yīng)用中難以獲得,近年來一些學(xué)者在基于非平行語料的語音轉(zhuǎn)換方面進(jìn)行研究,并取得了一定的成果.Mouchtaris等利用說話人自適應(yīng)技術(shù),通過特定人的平行語料訓(xùn)練推導(dǎo)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(jìn)行充分的聯(lián)合訓(xùn)練獲得參考模型,再分別進(jìn)行自適應(yīng)獲得轉(zhuǎn)換函數(shù),計(jì)算量大且過程復(fù)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(dá)到理想轉(zhuǎn)換效果,這一方法不僅迭代過程計(jì)算量大,而且最近鄰搜索算法難以保證正確的聲學(xué)特征對準(zhǔn)處理;Saito等通過建立噪聲信道模型實(shí)現(xiàn)基于少量平行語料訓(xùn)練的非平行語料下的語音轉(zhuǎn)換[7],但聯(lián)合模型的訓(xùn)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(zhǔn)實(shí)現(xiàn)說話人轉(zhuǎn)換,由于非平行語料的語音成份對應(yīng)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(yīng)用于非平行語料語音轉(zhuǎn)換.首先從源與目標(biāo)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(xué)特征對應(yīng)關(guān)系,在結(jié)構(gòu)化高斯混合模型(SGMM)的訓(xùn)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(yàn)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(xué)結(jié)構(gòu)(AUS)原理對源說話人和目標(biāo)說話人的C-SGMM進(jìn)行高斯分布對準(zhǔn),得到短時(shí)譜轉(zhuǎn)換函數(shù),實(shí)現(xiàn)語音轉(zhuǎn)換.通過主觀和客觀評價(jià)準(zhǔn)則對轉(zhuǎn)換后的語音進(jìn)行實(shí)驗(yàn)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(biāo)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(yīng)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(xùn)練與轉(zhuǎn)換兩個(gè)部分.在訓(xùn)練階段,對源語音和目標(biāo)語音進(jìn)行STRAIGHT分析,提取出短時(shí)譜及基頻,從短時(shí)譜中提取出線性預(yù)測倒譜系數(shù)(LPCC).與此同時(shí),從源說話人及目標(biāo)說話人的非平行訓(xùn)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(jìn)行聯(lián)合訓(xùn)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(biāo)語音成份的對應(yīng)關(guān)系.然后,對該模型各個(gè)高斯分布進(jìn)行標(biāo)記,標(biāo)明源與目標(biāo)高斯分布之間的對應(yīng)關(guān)系,作為約束信息指導(dǎo)源與目標(biāo)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(biāo)說話人語音各自的C-SGMM.而F0則由單高斯分布描述.訓(xùn)練好的源與目標(biāo)C-SGMM在保證由聯(lián)合模型得到的高斯分布對應(yīng)關(guān)系的前提下,通過AUS原理進(jìn)行其它高斯分布的匹配對準(zhǔn),繼而推導(dǎo)出非平行語料語音短時(shí)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(biāo)說話人的原始非平行訓(xùn)練語料中提取少量相同音節(jié)作為約束信息,在SGMM的訓(xùn)練過程中約束K均值聚類中心的產(chǎn)生,同時(shí)修正EM過程中某語音幀對應(yīng)某高斯分量的后驗(yàn)概率進(jìn)行迭代訓(xùn)練.因此,本節(jié)將首先對SGMM進(jìn)行簡要描述及分析,然后針對C-SGMM的訓(xùn)練過程,從約束信息引入K均值聚類和EM過程兩個(gè)方面進(jìn)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(gè)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(jì)出高斯混合模型的參數(shù)(πk,μk,Σk),然后采用Bhattacharyya距離測度計(jì)算高斯混合模型中各個(gè)單高斯分布之間的相似性,定義為兩個(gè)單高斯分布的距離.Bhattacharyya距離測度(BD)計(jì)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(jì)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(gè)分量對應(yīng)一個(gè)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(biāo)說話人的訓(xùn)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(jìn)行結(jié)構(gòu)化高斯混合模型建模之后,即使訓(xùn)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(dá)到相對對準(zhǔn),實(shí)現(xiàn)高斯分布的一一對應(yīng),推導(dǎo)出語音短時(shí)譜轉(zhuǎn)換函數(shù)[8].

    但是在實(shí)際情況中,非平行訓(xùn)練語料往往是非理想的.不同說話人發(fā)音習(xí)慣各有不同,那么源和目標(biāo)語音的聲學(xué)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(yīng)關(guān)系.再加上源和目標(biāo)說話人的SGMM訓(xùn)練是獨(dú)立進(jìn)行的,缺少監(jiān)督信息,那么強(qiáng)制對準(zhǔn)建立的源-目標(biāo)語音成份聲學(xué)特征間的對應(yīng)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(xùn)練語料本身就存在語音成份上的對應(yīng)關(guān)系,聯(lián)合訓(xùn)練正是利用了這種對應(yīng)關(guān)系,因此轉(zhuǎn)換語音從清晰度,可懂度和目標(biāo)傾向性等方面均表現(xiàn)出較好的性能,但完全平行的訓(xùn)練語料難以獲得.然而,在源和目標(biāo)說話人原始的非平行訓(xùn)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(biāo)語音成份及其聲學(xué)特征的對應(yīng)關(guān)系.顯然,這種對應(yīng)關(guān)系可以作為約束信息加以有效利用,在SGMM訓(xùn)練和匹配對準(zhǔn)時(shí)起指導(dǎo)作用,也就是說SGMM的建模和對準(zhǔn)以源和目標(biāo)的少量相同音節(jié)指示的對應(yīng)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(jìn)行分量的擴(kuò)展和微調(diào),充分利用語料本身存在的對應(yīng)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(biāo)語音分別進(jìn)行C-SGMM建模時(shí),需要先用EM算法估計(jì)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(dǎo)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(shí)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(jìn)行闡述.

    3.2 基于約束的K均值聚類

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

    定義帶M個(gè)簇標(biāo)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(xùn)練的分布不能充分表達(dá)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(xùn)練語料對模型所包含的分布進(jìn)行適當(dāng)?shù)臄U(kuò)充,使得模型能充分描述該說話人完整的語音聲學(xué)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(gè)初始值,將μx1,μx2,…,μxM的ε鄰域(實(shí)驗(yàn)結(jié)果表明,本實(shí)驗(yàn)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(shí)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(kuò)充出(S-M)個(gè)初始值[11,12];

    步驟2 對Y進(jìn)行聚類.計(jì)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(jìn)行聚類.X中的數(shù)據(jù)本身帶標(biāo)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(shí),為了避免由于相同音節(jié)數(shù)少而導(dǎo)致的訓(xùn)練不充分性,第j個(gè)聚類中心為

    (2)

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

    步驟5 重復(fù)步驟2~步驟4直至收斂或達(dá)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(jì)算期望(E步)和最大化(M步)兩步,E步估計(jì)未知參數(shù)的期望值,給出當(dāng)前的參數(shù)估計(jì),M步重新估計(jì)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(jì).C-SGMM的參數(shù)(πk,μk,Σk)使用帶約束條件的EM算法進(jìn)行估計(jì),在帶約束K均值聚類的基礎(chǔ)上使用EM算法迭代計(jì)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(jì)樣本數(shù)據(jù)對應(yīng)每個(gè)高斯分量的后驗(yàn)概率.對于每個(gè)樣本數(shù)據(jù)yi,由第k個(gè)分量產(chǎn)生的后驗(yàn)概率為

    (3)

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

    然后通過最大似然估計(jì)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(yàn)概率不僅影響其本身所屬分量的參數(shù)更新,同時(shí)也參與了其它分量的參數(shù)更新,也就是說,本應(yīng)該屬于第k個(gè)分量的樣本會以其后驗(yàn)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(yàn)概率屬于某一分布,以更小的后驗(yàn)概率屬于其它分布.

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

    帶標(biāo)記的數(shù)據(jù)樣本xsj屬于第s個(gè)分布的后驗(yàn)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(yīng)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(yīng)相同的值卻相差很大,p(s|ysn,θ)應(yīng)作出較大的使之降低的調(diào)整;反之說明應(yīng)該相同的值相差很小,為保證聯(lián)合訓(xùn)練得出的對應(yīng)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(shí)都使用調(diào)整后的后驗(yàn)概率進(jìn)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(gè)數(shù)Nj影響著Cj和γ′(i.k),也就是相同音節(jié)的個(gè)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(yàn)概率.Nj越大,相同音節(jié)對C-SGMM訓(xùn)練的約束性越強(qiáng),得到的C-SGMM中的分量越接近于平行訓(xùn)練語料的GMM的分量,理論上轉(zhuǎn)換效果越好.

    在本文的實(shí)驗(yàn)中,考慮到實(shí)際情況中非平行訓(xùn)練語料的局限性,體現(xiàn)“少量約束信息”,從原始非平行訓(xùn)練語料中提取出54個(gè)相同音節(jié),每個(gè)音節(jié)約為30幀.同時(shí),為保證基于相同音節(jié)聯(lián)合訓(xùn)練得出的對應(yīng)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(jì)直方圖和EM迭代過程中似然值,將女性說話人進(jìn)行后驗(yàn)概率調(diào)整的閾值設(shè)為4.5,男性說話人進(jìn)行后驗(yàn)概率調(diào)整的閾值設(shè)為4.3.后驗(yàn)概率在相似度函數(shù)值達(dá)到所設(shè)閾值才進(jìn)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(jì)算每個(gè)高斯分布之間的Bhattacharyya距離,則C-SGMM訓(xùn)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(yīng)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(biāo)說話人C-SGMM在高斯分布上有正確的一一對應(yīng)的關(guān)系,即語音成份上的對應(yīng)關(guān)系,從而實(shí)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(biāo)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(xué)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(gè)語音的內(nèi)在聲學(xué)特征結(jié)構(gòu)關(guān)系[14],通過AUS不變性原理將兩個(gè)C-SGMM中的聲學(xué)特征分布進(jìn)行對準(zhǔn),從而可推導(dǎo)出語音轉(zhuǎn)換公式.

    兩個(gè)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(biāo)C-SGMM中連接節(jié)點(diǎn)i,j的邊,即式(1)所表示的Bhattacharyya距離.當(dāng)下式成立時(shí),表明源說話人的C-SGMM與目標(biāo)說話人的C-SGMM之間的差異最小,此時(shí)兩模型之間高斯分量實(shí)現(xiàn)對準(zhǔn),即語音聲學(xué)特征已經(jīng)對準(zhǔn).

    (12)

    (13)

    1≤i,j≤N,1≤f(·)≤N

    (14)

    則短時(shí)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(zhǔn).由于每個(gè)高斯分布對應(yīng)著一個(gè)特定的語音成份,如果由于算法的不精確導(dǎo)致模型的對準(zhǔn)有偏差,則語音成份的對準(zhǔn)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(zhǔn)是十分重要的,直接影響語音的可懂性.若要得到使對準(zhǔn)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(jìn)行全排列,但這個(gè)搜索過程過于龐大,對計(jì)算機(jī)的性能要求極高,因此需要考慮能平衡搜索時(shí)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(zhǔn)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(xùn)練不改變基于少量相同音節(jié)聯(lián)合訓(xùn)練得到的源和目標(biāo)語音在語音成份上的對應(yīng)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(jìn)行對準(zhǔn),由少量相同音節(jié)確定的高斯分布默認(rèn)已經(jīng)一一對準(zhǔn),不再進(jìn)行匹配對準(zhǔn).

    除了短時(shí)譜,另一個(gè)表征說話人個(gè)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(biāo)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(biāo)說話人基頻的均值和方差.

    5 實(shí)驗(yàn)與分析

    設(shè)計(jì)了四個(gè)實(shí)驗(yàn)來評價(jià)本文提出的方法是否有效.其中包括兩個(gè)客觀評價(jià)實(shí)驗(yàn)和兩個(gè)主觀評價(jià)實(shí)驗(yàn),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(jìn)行比較.本實(shí)驗(yàn)中采用的訓(xùn)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(xùn)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(shí)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(shí)間約3秒鐘.錄制訓(xùn)練和測試語料時(shí)采樣率均設(shè)為16kHz,量化位均為16.聯(lián)合訓(xùn)練的高斯分布數(shù)為64.非平行訓(xùn)練語料在使用C-SGMM建模時(shí),均采用128個(gè)高斯分布,即在原64個(gè)高斯分布的基礎(chǔ)上新增64個(gè)高斯分布.LPCC特征參數(shù)均設(shè)為39階.

    5.1 客觀評價(jià)

    本小節(jié)設(shè)計(jì)了兩個(gè)客觀評價(jià)實(shí)驗(yàn),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(biāo)說話人語音的似然度來評價(jià)轉(zhuǎn)換性能.建立四個(gè)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(biāo)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(biāo)語音的LPCC,而S′表示轉(zhuǎn)換后語音的LPCC.

    從表1的實(shí)驗(yàn)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(dá)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(luò)更加接近于目標(biāo)譜包絡(luò).

    5.2 主觀評價(jià)

    設(shè)計(jì)了兩個(gè)主觀評價(jià)實(shí)驗(yàn)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(shí)驗(yàn)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(biāo)語音,接近源語音則給出評分0分,接近目標(biāo)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(jìn)行打分,評分分為5個(gè)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(gè)方法的ABX與MOS得分可以看出,采用C-SGMM方法得到的實(shí)驗(yàn)結(jié)果相比于傳統(tǒng)的結(jié)構(gòu)化方法,從目標(biāo)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(xùn)練語料,克服了傳統(tǒng)結(jié)構(gòu)化方法的語音成份對應(yīng)關(guān)系的問題并且計(jì)算量相對較小.約束信息從源與目標(biāo)非平行語料中提取并應(yīng)用到SGMM的訓(xùn)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(yàn)概率進(jìn)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(jìn)行匹配對準(zhǔn),而由約束信息確定的高斯分布默認(rèn)對準(zhǔn),從而得到短時(shí)譜轉(zhuǎn)換函數(shù)進(jìn)行語音轉(zhuǎn)換.主觀和客觀實(shí)驗(yàn)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(jìn)行后驗(yàn)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(jìn)行進(jìn)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(xué)學(xué)報(bào),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(xué)報(bào),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(dú)立說話人模型的語音轉(zhuǎn)換[J].聲學(xué)學(xué)報(bào),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(xué)習(xí)的分布式和演化聚類研究[D].南京:南京航空航天大學(xué),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(xué)電子信息學(xué)院碩士,研究方向?yàn)檎Z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(xué)電子信息學(xué)院教授,主要研究領(lǐng)域?yàn)檎Z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(zé)任編輯:梅志強(qiáng)

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

    TN912.33

    A

    0372-2112 (2016) 09-2282-07

    ??學(xué)報(bào)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(wù)本地化模型
    適用于BDS-3 PPP的隨機(jī)模型
    提煉模型 突破難點(diǎn)
    函數(shù)模型及應(yīng)用
    p150Glued在帕金森病模型中的表達(dá)及分布
    函數(shù)模型及應(yīng)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(jì)的漸近分布
    3D打印中的模型分割與打包
    成年女人在线观看亚洲视频| 久久精品久久精品一区二区三区| 国产一区二区三区av在线| 天堂中文最新版在线下载| 性高湖久久久久久久久免费观看| 亚洲国产日韩一区二区| 国产精品一二三区在线看| 九九久久精品国产亚洲av麻豆| 日本wwww免费看| 尾随美女入室| 国语对白做爰xxxⅹ性视频网站| 丰满迷人的少妇在线观看| 亚洲精品久久久久久婷婷小说| 最新的欧美精品一区二区| 亚洲av欧美aⅴ国产| 国产黄色免费在线视频| 91午夜精品亚洲一区二区三区| 纵有疾风起免费观看全集完整版| 亚洲精品自拍成人| 深夜a级毛片| 日韩不卡一区二区三区视频在线| 99久久精品热视频| 成人国产av品久久久| 99久久中文字幕三级久久日本| 国产伦精品一区二区三区视频9| 搡女人真爽免费视频火全软件| 亚洲美女视频黄频| 中国三级夫妇交换| 自拍欧美九色日韩亚洲蝌蚪91 | 精品亚洲成a人片在线观看| 久久精品国产亚洲av天美| 99热这里只有精品一区| 久久久久久久大尺度免费视频| 97在线人人人人妻| 在线观看人妻少妇| 赤兔流量卡办理| 久久av网站| 久久久欧美国产精品| 国产在线视频一区二区| www.av在线官网国产| 成人亚洲精品一区在线观看| 黄色一级大片看看| 在线精品无人区一区二区三| 亚洲在久久综合| 国产精品一区二区在线观看99| 熟女av电影| 亚洲丝袜综合中文字幕| 国产伦理片在线播放av一区| 亚洲国产精品999| 国产精品国产av在线观看| 不卡视频在线观看欧美| 成人亚洲精品一区在线观看| 欧美区成人在线视频| 高清黄色对白视频在线免费看 | 99久久精品国产国产毛片| 亚洲国产色片| 少妇熟女欧美另类| 男人狂女人下面高潮的视频| 老熟女久久久| 男女无遮挡免费网站观看| 人人妻人人看人人澡| 国产成人一区二区在线| 国产白丝娇喘喷水9色精品| 成人亚洲欧美一区二区av| 国产免费一级a男人的天堂| av播播在线观看一区| 最黄视频免费看| 国产一区二区在线观看av| 亚洲自偷自拍三级| 男女边吃奶边做爰视频| 天堂8中文在线网| 高清欧美精品videossex| 久久久久国产精品人妻一区二区| 久久久久国产精品人妻一区二区| 91精品国产九色| 久久久a久久爽久久v久久| 日韩精品免费视频一区二区三区 | 日本vs欧美在线观看视频 | 少妇的逼水好多| 伊人久久精品亚洲午夜| 亚洲中文av在线| 免费观看av网站的网址| 久久久午夜欧美精品| 26uuu在线亚洲综合色| 97超视频在线观看视频| 国产亚洲午夜精品一区二区久久| 久久综合国产亚洲精品| 插阴视频在线观看视频| 欧美xxxx性猛交bbbb| 美女视频免费永久观看网站| 国产一区有黄有色的免费视频| 蜜桃在线观看..| 亚洲中文av在线| 你懂的网址亚洲精品在线观看| 久久99精品国语久久久| 日韩精品有码人妻一区| 亚洲内射少妇av| 久久人人爽av亚洲精品天堂| 国产成人a∨麻豆精品| 中文乱码字字幕精品一区二区三区| 国产亚洲一区二区精品| 亚洲人成网站在线播| 精品一区二区三卡| 熟女av电影| 亚洲欧美精品自产自拍| 亚洲欧美精品专区久久| 国产伦精品一区二区三区视频9| 多毛熟女@视频| 高清不卡的av网站| 亚洲精品国产成人久久av| 欧美另类一区| 国产成人免费观看mmmm| 久久久久视频综合| 亚洲精品国产成人久久av| 久久韩国三级中文字幕| 亚洲国产色片| 91精品国产九色| 久久久a久久爽久久v久久| 80岁老熟妇乱子伦牲交| 少妇高潮的动态图| 亚洲av中文av极速乱| 国产伦精品一区二区三区视频9| 搡老乐熟女国产| 精品国产国语对白av| 国产中年淑女户外野战色| av在线app专区| 亚洲欧美成人精品一区二区| 九九在线视频观看精品| 日韩欧美 国产精品| 久久国产乱子免费精品| 亚洲一级一片aⅴ在线观看| 美女xxoo啪啪120秒动态图| 性色avwww在线观看| 欧美3d第一页| 老熟女久久久| 欧美老熟妇乱子伦牲交| 午夜福利在线观看免费完整高清在| 只有这里有精品99| 日韩制服骚丝袜av| 男女国产视频网站| 精品少妇内射三级| 久久精品久久久久久久性| av在线老鸭窝| 99国产精品免费福利视频| 纵有疾风起免费观看全集完整版| 午夜av观看不卡| 欧美精品国产亚洲| 一区二区三区四区激情视频| 高清欧美精品videossex| 婷婷色av中文字幕| 夜夜爽夜夜爽视频| 看免费成人av毛片| 亚洲精品自拍成人| 久久人人爽av亚洲精品天堂| 我要看黄色一级片免费的| 女的被弄到高潮叫床怎么办| a级一级毛片免费在线观看| 高清午夜精品一区二区三区| 免费观看a级毛片全部| 午夜激情久久久久久久| 精品卡一卡二卡四卡免费| 久热久热在线精品观看| 日韩欧美一区视频在线观看 | 成人影院久久| 亚洲情色 制服丝袜| 国模一区二区三区四区视频| 秋霞在线观看毛片| 国产日韩欧美亚洲二区| 国产伦在线观看视频一区| 亚洲国产精品一区二区三区在线| 国产极品粉嫩免费观看在线 | 五月伊人婷婷丁香| 亚洲精品国产成人久久av| 婷婷色综合www| 91精品国产九色| h视频一区二区三区| 欧美最新免费一区二区三区| 欧美精品一区二区免费开放| 久久久国产一区二区| 啦啦啦中文免费视频观看日本| 下体分泌物呈黄色| 久久精品久久久久久久性| 99热这里只有是精品50| 九草在线视频观看| 国产黄频视频在线观看| 黑人高潮一二区| 亚洲欧美日韩卡通动漫| 青春草国产在线视频| 国产免费又黄又爽又色| 在线天堂最新版资源| 日本午夜av视频| 免费久久久久久久精品成人欧美视频 | 国产有黄有色有爽视频| 亚洲av国产av综合av卡| 日韩三级伦理在线观看| 亚洲,一卡二卡三卡| 麻豆乱淫一区二区| 国产欧美日韩精品一区二区| 最近中文字幕2019免费版| 国产亚洲5aaaaa淫片| 午夜激情久久久久久久| 国产av国产精品国产| 99热全是精品| 极品少妇高潮喷水抽搐| 久久精品国产亚洲av涩爱| 国产永久视频网站| 国产伦精品一区二区三区视频9| 青春草亚洲视频在线观看| 男人爽女人下面视频在线观看| 九九爱精品视频在线观看| 欧美高清成人免费视频www| 九九在线视频观看精品| 少妇被粗大猛烈的视频| 黑人高潮一二区| 男男h啪啪无遮挡| 成人二区视频| kizo精华| 一级,二级,三级黄色视频| 一区二区av电影网| 黄色毛片三级朝国网站 | 亚洲欧美精品自产自拍| 久久久久精品久久久久真实原创| 亚洲精品久久午夜乱码| 久久精品国产亚洲网站| 久久久精品免费免费高清| 久久人妻熟女aⅴ| 菩萨蛮人人尽说江南好唐韦庄| 激情五月婷婷亚洲| 大香蕉97超碰在线| 日日啪夜夜爽| 插逼视频在线观看| 国产精品秋霞免费鲁丝片| 亚洲精品久久午夜乱码| 久久久久国产精品人妻一区二区| 日韩视频在线欧美| 国产有黄有色有爽视频| 极品人妻少妇av视频| 热re99久久国产66热| 极品教师在线视频| 人人妻人人爽人人添夜夜欢视频 | 一级毛片电影观看| 久久久久精品性色| 精品一区二区三卡| 永久免费av网站大全| 国产成人精品婷婷| 亚洲四区av| 久久狼人影院| 天堂中文最新版在线下载| 一区二区av电影网| 日日摸夜夜添夜夜爱| 女的被弄到高潮叫床怎么办| 成年人免费黄色播放视频 | 亚洲精品国产色婷婷电影| 麻豆成人午夜福利视频| 国产精品麻豆人妻色哟哟久久| 亚洲电影在线观看av| 国产一区二区在线观看av| 久久精品久久精品一区二区三区| 三级国产精品片| 国产又色又爽无遮挡免| 精品国产露脸久久av麻豆| 菩萨蛮人人尽说江南好唐韦庄| 亚洲高清免费不卡视频| 自线自在国产av| 国产男女超爽视频在线观看| 99热网站在线观看| 老司机影院成人| 亚洲欧美成人精品一区二区| 亚洲精品亚洲一区二区| 亚洲精品一二三| 亚洲av欧美aⅴ国产| 亚洲精品国产色婷婷电影| 国产日韩欧美视频二区| 国产探花极品一区二区| 日韩中字成人| 久久精品久久精品一区二区三区| 欧美日韩亚洲高清精品| 国产一区二区三区综合在线观看 | 乱码一卡2卡4卡精品| 国产精品一区二区在线观看99| 国产一区二区在线观看av| 性色avwww在线观看| 黄色欧美视频在线观看| 边亲边吃奶的免费视频| 丰满乱子伦码专区| 国产精品国产三级国产专区5o| 久久狼人影院| 男的添女的下面高潮视频| 伦理电影免费视频| 国产精品一二三区在线看| 人妻一区二区av| 看非洲黑人一级黄片| 国语对白做爰xxxⅹ性视频网站| 黄色欧美视频在线观看| 日韩av在线免费看完整版不卡| 伦理电影免费视频| 嘟嘟电影网在线观看| 女人久久www免费人成看片| 久久精品久久久久久噜噜老黄| 好男人视频免费观看在线| 乱码一卡2卡4卡精品| 日韩欧美 国产精品| 伦理电影免费视频| 亚洲精品成人av观看孕妇| 国产精品不卡视频一区二区| 国产 一区精品| 91久久精品国产一区二区成人| 又爽又黄a免费视频| 在线天堂最新版资源| 国产亚洲91精品色在线| 51国产日韩欧美| 麻豆成人av视频| 精品国产乱码久久久久久小说| 一区二区三区免费毛片| 涩涩av久久男人的天堂| 中文字幕人妻丝袜制服| 男女边吃奶边做爰视频| 人妻系列 视频| 十八禁网站网址无遮挡 | 热re99久久精品国产66热6| 黄色配什么色好看| 99久久精品热视频| 一本一本综合久久| av视频免费观看在线观看| 国产一区二区三区av在线| 精品少妇内射三级| 丁香六月天网| 在线看a的网站| 国产精品免费大片| a级毛色黄片| 日韩熟女老妇一区二区性免费视频| 女人精品久久久久毛片| 熟女人妻精品中文字幕| 久久av网站| 国产成人91sexporn| 亚洲国产色片| 亚洲无线观看免费| 亚洲欧洲国产日韩| 我要看黄色一级片免费的| 亚洲精华国产精华液的使用体验| 亚洲欧美精品专区久久| 国产成人a∨麻豆精品| 男女无遮挡免费网站观看| 亚洲美女黄色视频免费看| 丰满少妇做爰视频| 午夜免费男女啪啪视频观看| 亚洲精品日韩av片在线观看| 91精品伊人久久大香线蕉| 免费人成在线观看视频色| 深夜a级毛片| videossex国产| 男女无遮挡免费网站观看| 91久久精品电影网| 黄色怎么调成土黄色| 精品亚洲成国产av| 午夜日本视频在线| 久久青草综合色| 国产成人精品一,二区| 欧美日韩在线观看h| 国产精品久久久久久av不卡| 一级爰片在线观看| 日产精品乱码卡一卡2卡三| 嫩草影院入口| 精品一品国产午夜福利视频| av播播在线观看一区| 一级毛片我不卡| 人妻 亚洲 视频| 最黄视频免费看| 在现免费观看毛片| 欧美日本中文国产一区发布| 欧美bdsm另类| av女优亚洲男人天堂| 久久av网站| 亚洲欧美成人综合另类久久久| 五月天丁香电影| 伊人久久精品亚洲午夜| 一级片'在线观看视频| 免费看av在线观看网站| 国产黄片美女视频| 少妇的逼好多水| 亚洲av不卡在线观看| 国产免费一级a男人的天堂| 少妇猛男粗大的猛烈进出视频| 免费少妇av软件| av福利片在线| 在现免费观看毛片| 亚洲国产日韩一区二区| 日日撸夜夜添| 青春草国产在线视频| 亚洲成人av在线免费| 久久午夜综合久久蜜桃| 91成人精品电影| av免费观看日本| 97精品久久久久久久久久精品| 九九在线视频观看精品| 18禁在线播放成人免费| 中文在线观看免费www的网站| 久久国产乱子免费精品| 久久久久精品性色| 亚洲欧美成人精品一区二区| 亚洲国产av新网站| 黄色视频在线播放观看不卡| 国产成人freesex在线| 夫妻午夜视频| 亚洲不卡免费看| 男人舔奶头视频| 亚洲四区av| 亚洲成色77777| 中国国产av一级| 日韩视频在线欧美| av福利片在线| 国产精品嫩草影院av在线观看| 国产在线视频一区二区| 国产成人精品婷婷| 成年av动漫网址| 看非洲黑人一级黄片| 国产精品久久久久久精品电影小说| 五月开心婷婷网| 亚洲精品国产色婷婷电影| 丝袜喷水一区| 亚洲精品一二三| 国产男女内射视频| 内地一区二区视频在线| 亚洲激情五月婷婷啪啪| 亚洲欧美清纯卡通| 人妻制服诱惑在线中文字幕| 欧美国产精品一级二级三级 | 亚洲国产av新网站| 少妇熟女欧美另类| 高清午夜精品一区二区三区| 人人妻人人添人人爽欧美一区卜| 欧美97在线视频| 久久精品久久久久久噜噜老黄| 97精品久久久久久久久久精品| 你懂的网址亚洲精品在线观看| 黄色怎么调成土黄色| 国产伦精品一区二区三区四那| 亚洲综合色惰| 极品教师在线视频| 亚洲av中文av极速乱| 插阴视频在线观看视频| 免费看光身美女| 男女边吃奶边做爰视频| 中文在线观看免费www的网站| 国产真实伦视频高清在线观看| 国产 精品1| 国产高清不卡午夜福利| 成人漫画全彩无遮挡| 成年女人在线观看亚洲视频| 精品一区二区免费观看| 极品教师在线视频| 国产精品成人在线| 曰老女人黄片| 色网站视频免费| 久久99热这里只频精品6学生| 欧美高清成人免费视频www| 又粗又硬又长又爽又黄的视频| 精品99又大又爽又粗少妇毛片| 免费高清在线观看视频在线观看| 在现免费观看毛片| 人人妻人人澡人人爽人人夜夜| 青春草亚洲视频在线观看| 中文字幕久久专区| 日韩制服骚丝袜av| 久久久久久久国产电影| 国产精品无大码| 亚洲欧美日韩另类电影网站| 久久99一区二区三区| 一级毛片我不卡| 岛国毛片在线播放| 天堂8中文在线网| 久久毛片免费看一区二区三区| 中文精品一卡2卡3卡4更新| 伊人久久国产一区二区| 少妇被粗大猛烈的视频| 国产69精品久久久久777片| 国产av一区二区精品久久| 色5月婷婷丁香| 自拍欧美九色日韩亚洲蝌蚪91 | 国产精品秋霞免费鲁丝片| 亚洲国产欧美日韩在线播放 | 久久久久国产精品人妻一区二区| 男女免费视频国产| 一区二区三区免费毛片| 久久久久国产网址| 国产精品一区二区在线不卡| 青春草视频在线免费观看| 成人国产av品久久久| 色94色欧美一区二区| 国产黄片视频在线免费观看| 久久久久久久国产电影| 亚洲欧美精品自产自拍| 性色avwww在线观看| 欧美变态另类bdsm刘玥| 亚洲精品,欧美精品| 狂野欧美白嫩少妇大欣赏| 亚洲av欧美aⅴ国产| 欧美 亚洲 国产 日韩一| 人人妻人人澡人人爽人人夜夜| 亚洲色图综合在线观看| 伊人久久精品亚洲午夜| 亚洲伊人久久精品综合| 免费在线观看成人毛片| 男的添女的下面高潮视频| 亚洲av免费高清在线观看| 国产精品一区二区在线观看99| 久久 成人 亚洲| 国产在线视频一区二区| 一级毛片久久久久久久久女| 亚洲欧美成人精品一区二区| 亚洲精品国产成人久久av| av视频免费观看在线观看| 精品久久久久久久久av| tube8黄色片| 99热网站在线观看| 高清毛片免费看| 26uuu在线亚洲综合色| 美女视频免费永久观看网站| 中文欧美无线码| 亚洲成人一二三区av| 一区二区三区精品91| 少妇熟女欧美另类| 日产精品乱码卡一卡2卡三| 97精品久久久久久久久久精品| 精品人妻偷拍中文字幕| 最近的中文字幕免费完整| 欧美精品人与动牲交sv欧美| 女性被躁到高潮视频| 国产精品一区二区性色av| 99久国产av精品国产电影| 高清午夜精品一区二区三区| av卡一久久| 国产精品一区二区在线观看99| 美女xxoo啪啪120秒动态图| 亚洲三级黄色毛片| 少妇人妻 视频| 国产中年淑女户外野战色| 女人久久www免费人成看片| 久久久久久久精品精品| 少妇的逼水好多| 啦啦啦在线观看免费高清www| 91精品国产九色| 免费观看在线日韩| 18禁在线播放成人免费| 极品教师在线视频| 99精国产麻豆久久婷婷| 一本色道久久久久久精品综合| 插阴视频在线观看视频| 伦理电影大哥的女人| 亚洲色图综合在线观看| 免费看光身美女| 国产成人免费无遮挡视频| 国产黄片美女视频| 能在线免费看毛片的网站| 精品国产一区二区三区久久久樱花| 六月丁香七月| av卡一久久| 成人亚洲欧美一区二区av| 亚洲精品国产av成人精品| 寂寞人妻少妇视频99o| av女优亚洲男人天堂| 国产黄色免费在线视频| 一级黄片播放器| 国产真实伦视频高清在线观看| 免费看日本二区| 少妇被粗大猛烈的视频| 亚洲国产精品国产精品| 亚洲伊人久久精品综合| 91成人精品电影| 高清av免费在线| 国产在线男女| 亚洲av电影在线观看一区二区三区| 欧美+日韩+精品| 久久韩国三级中文字幕| 全区人妻精品视频| 男人和女人高潮做爰伦理| 精品人妻偷拍中文字幕| 久久精品国产亚洲网站| 看非洲黑人一级黄片| 内地一区二区视频在线| 亚洲综合色惰| 成人综合一区亚洲| a级毛片免费高清观看在线播放| 尾随美女入室| 午夜免费鲁丝| 色94色欧美一区二区| 亚洲欧美清纯卡通| 国产成人精品无人区| 亚洲精品成人av观看孕妇| 亚洲天堂av无毛| 亚洲精品一区蜜桃| 久久久久视频综合| 精品一品国产午夜福利视频| 我要看日韩黄色一级片| 亚洲久久久国产精品| 大片免费播放器 马上看| 熟女电影av网| 丝袜脚勾引网站| 汤姆久久久久久久影院中文字幕| 国产精品久久久久久精品古装| 亚洲美女视频黄频| 欧美精品高潮呻吟av久久| 一级a做视频免费观看| 色5月婷婷丁香| 91精品伊人久久大香线蕉| 永久网站在线| 在线免费观看不下载黄p国产| 日本av免费视频播放| 丝瓜视频免费看黄片| 爱豆传媒免费全集在线观看| 99久久精品一区二区三区| 视频中文字幕在线观看| 久久久久久久久久人人人人人人| 老司机影院成人| 自拍偷自拍亚洲精品老妇|