• <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 ?

    基于聽覺掩蔽生成對抗網(wǎng)絡(luò)的單通道語音增強方法

    2021-08-09 11:50:30杜志浩韓紀慶
    智能計算機與應(yīng)用 2021年3期
    關(guān)鍵詞:生成對抗網(wǎng)絡(luò)

    杜志浩 韓紀慶

    摘 要: 為提高語音識別系統(tǒng)在復(fù)雜聲學(xué)場景下的識別率,出現(xiàn)了以單通道語音增強(Monaural Speech Enhancement)技術(shù)作為前端處理的魯棒語音識別系統(tǒng)。盡管現(xiàn)有的單通道語音增強技術(shù)能夠提高混響干擾下的識別率,卻未能顯著提升寬帶非平穩(wěn)噪聲干擾下的系統(tǒng)識別率。為此,本文提出基于聽覺掩蔽生成對抗網(wǎng)絡(luò)的單通道增強方法,通過聽覺掩蔽增強模型和判別器構(gòu)成的對抗過程,來使增強后的語音特征滿足目標(biāo)語音的概率分布。實驗結(jié)果表明,就語音識別率而言,所提出的聽覺掩蔽生成對抗網(wǎng)絡(luò)超越了現(xiàn)有的增強方法,能夠相對減少19.50%的詞錯誤率,顯著提升語音識別系統(tǒng)的噪聲魯棒性。

    關(guān)鍵詞: 聽覺掩蔽;生成對抗網(wǎng)絡(luò);單通道語音增強;魯棒語音識別

    文章編號: 2095-2163(2021)03-0209-06 中圖分類號:TP183 文獻標(biāo)志碼:A

    【Abstract】To improve the accuracy of speech recognition system in the complex acoustic scene, monaural speech enhancement method is involved into the robust automatic speech recognition (ASR) system as a front-end processing. Although monaural speech enhancement has improved the recognition performance under the reverberant conditions, it failed to improve the accuracy of speeches interrupted by the wide-band non-stationary noises. To overcome this problem, the paper proposes the adversarial generative network based on auditory masking for monaural speech enhancement. Through the adversarial process between a discriminator and a masking-based enhancement model, the proposed method can make the enhanced speech features follow the distribution of target speeches. Experimental results show that, ?the proposed method outperforms current enhancement method in terms of recognition accuracy. It achieves 19.50% relative word error rate (WER) reduction for a robust ASR system, which indicates that the proposed method can further improve the noise robustness.

    0 引 言

    在語音識別領(lǐng)域,通常使用含有噪聲的語音和純凈語音共同訓(xùn)練自動語音識別(Automatic Speech Recognition,ASR)系統(tǒng),從而提高其在噪聲環(huán)境下的識別率。為進一步提高ASR系統(tǒng)在復(fù)雜聲學(xué)場景下的識別率,出現(xiàn)了將單通道語音增強模型作為前端處理的識別系統(tǒng)。這類系統(tǒng)先使用增強模型盡可能地去除含噪語音中的噪聲干擾,接著將增強后的語音送入ASR系統(tǒng),從而得到識別文本。為使增強后的語音和識別系統(tǒng)所要求的輸入盡可能地匹配,通常需要利用增強后的語音重新訓(xùn)練ASR系統(tǒng)中的聲學(xué)模型[1-2],或者將聲學(xué)模型和增強模型堆疊,進行聯(lián)合訓(xùn)練[3-4]。然而,上述這2種方法在增強模型改變時需要重新訓(xùn)練語音識別系統(tǒng),對實際應(yīng)用而言,這通常是不合理的。首先,重新訓(xùn)練語音識別系統(tǒng)非常耗時,其次,增強模型一般運行在終端設(shè)備,而識別系統(tǒng)則通常運行在云端設(shè)備,可能無法對兩者進行聯(lián)合優(yōu)化。

    近年來,出現(xiàn)了基于生成對抗網(wǎng)絡(luò)(Adversarial Generative Network,GAN)[5]的單通道語音增強方法。該方法通過構(gòu)建增強模型和判別器之間的對抗過程,來使增強后的語音滿足目標(biāo)語音分布?;贕AN的增強方法能夠顯著提升增強后語音的可懂度和感知質(zhì)量[6]。受此啟發(fā),魯棒語音識別領(lǐng)域也出現(xiàn)了基于GAN的前端處理方法,以盡可能地減少增強模型輸出與識別系統(tǒng)所要求輸入之間的不匹配程度,從而直接提高增強后語音的識別率,而不需要聯(lián)合訓(xùn)練或重新訓(xùn)練聲學(xué)模型[7-8]。通過增強后語音特征和目標(biāo)語音特征之間的對抗訓(xùn)練,文獻[7]中的增強方法降低了混響干擾下語音識別系統(tǒng)14%~19%的相對字錯誤率。在文獻[8]中,經(jīng)過對抗訓(xùn)練的增強模型能夠顯著提升純凈語音訓(xùn)練的ASR系統(tǒng),卻未能進一步提高魯棒ASR系統(tǒng)的識別率。

    為了進一步提高魯棒ASR系統(tǒng)在寬帶非平穩(wěn)噪聲干擾下的識別率,本文提出基于聽覺掩蔽生成對抗網(wǎng)絡(luò)的單通道語音增強方法,并將其作為魯棒ASR系統(tǒng)的前端處理過程,以盡可能地去除背景噪聲的干擾,從而提高識別率。所提出的方法由基于聽覺掩蔽的特征增強模型和區(qū)分增強后語音和目標(biāo)語音特征的判別器構(gòu)成。特征增強模型的首要目標(biāo)是以含噪語音的聲學(xué)特征為輸入,來對目標(biāo)語音相應(yīng)的理想比率掩膜(Ideal Ratio Mask,IRM)進行預(yù)測,而后利用聽覺掩蔽效應(yīng)得到增強后的聲學(xué)特征。增強模型的次要目標(biāo)則是通過欺騙判別器,使增強后的聲學(xué)特征盡可能地滿足目標(biāo)語音的概率分布,從而減少與目標(biāo)語音特征之間的差異,進而提高增強后語音特征的識別率。

    1 基于聽覺掩蔽生成對抗網(wǎng)絡(luò)的增強方法

    首先給出基于聽覺掩蔽的有監(jiān)督語音增強方法,而后對所提出的聽覺掩蔽生成對抗網(wǎng)絡(luò)(Generative adversarial network based on auditory masking, GANAM)進行介紹。GANAM主要由2部分構(gòu)成,分別是:基于聽覺掩蔽的特征增強模型E,以及用于區(qū)分增強后特征和目標(biāo)語音特征的判別器D。圖1給出了所提出方法的結(jié)構(gòu)示意圖。

    1.1 基于聽覺掩蔽的有監(jiān)督增強方法

    基于聽覺掩蔽的有監(jiān)督增強方法能夠有效提升含噪語音的可懂度和感知質(zhì)量[9],同時還能夠通過與聲學(xué)模型的聯(lián)合訓(xùn)練提高ASR系統(tǒng)的識別率[3]。因此,本文也采用基于聽覺掩蔽的增強模型。理想比率掩膜IRM[6]是基于聽覺掩蔽的增強模型最常用的學(xué)習(xí)目標(biāo)之一,其定義如下:

    其中,M表示理想比率掩膜IRM;S和Y分別表示目標(biāo)語音和含噪語音的時頻特征;t和f分別表示時間幀序號和頻帶編號;[·]10表示對數(shù)值進行截取,將其限制在0~1之間。

    理想比率掩膜可以定義在不同的時頻特征上,包括能量譜FFT、對數(shù)能量譜log-FFT、梅爾能量譜fbank,以及對數(shù)梅爾能量譜log-fbank,其提取過程如下:

    (1)對給定的語音波形進行短時傅里葉變換,得到復(fù)數(shù)譜。

    (2)對復(fù)數(shù)譜的每個時頻單元取模,再平方,得到能量譜FFT。

    (3)對能量譜的每個時頻單元進行對數(shù)壓縮,即可得到對數(shù)能量譜log-FFT。

    (4)使用梅爾濾波器組對能量譜進行濾波,得到梅爾能量譜fbank。

    (5)對梅爾能量譜的每個時頻單元取對數(shù),得到對數(shù)梅爾能量譜log-fbank。

    前期的實驗表明,使用對數(shù)梅爾能量譜log-fbank能夠獲得較好的增強性能,因此本文后續(xù)的實驗都以log-fbank作為聲學(xué)特征。

    當(dāng)特征域確定后,即可訓(xùn)練增強模型E以含噪語音的聲學(xué)特征Y為輸入,來對目標(biāo)語音相應(yīng)的比率掩膜進行估計,即:

    在訓(xùn)練時,將理想比率掩膜真實值和預(yù)測值之間的均方誤差(Mean Square Error,MSE)作為損失函數(shù),通過最小化該損失函數(shù),來對增強模型E的參數(shù)θ進行求解:

    其中,T和F分別表示語音幀總數(shù)和頻帶總數(shù)。

    1.2 聽覺掩蔽生成對抗網(wǎng)絡(luò)

    聽覺掩蔽生成對抗網(wǎng)絡(luò)GANAM在有監(jiān)督語音增強模型的基礎(chǔ)上,另外添加了區(qū)分聲學(xué)特征純凈與否的判別器,從而能夠借助其與增強模型形成的對抗過程,使增強后的聲學(xué)特征更具判別性。

    由于目標(biāo)語音的數(shù)值范圍較大,直接將其作為正例會增加生成對抗網(wǎng)絡(luò)的訓(xùn)練難度。因此,在GANAM中,判別器D將含噪語音特征Y與理想比率掩膜M的乘積作為正例S-:

    在判別器盡可能區(qū)分增強后語音和目標(biāo)語音特征的同時,增強模型則試圖通過改變其預(yù)測的比率掩膜,來欺騙判別器D,以獲得較高的分數(shù):

    其中,⊙表示對應(yīng)元素相乘。

    單純以最小化對抗損失Ladv作為增強模型E的訓(xùn)練目標(biāo),會使預(yù)測出的比率掩膜缺少約束,因為其只需使增強后的聲學(xué)特征滿足目標(biāo)語音的概率分布即可。這樣一來,增強后的語音和目標(biāo)語音特征之間就會缺乏對應(yīng)關(guān)系。因此,本文將比率掩膜的均方誤差與對抗損失相結(jié)合,提出對抗多任務(wù)損失函數(shù):

    其中,·22表示L2范數(shù)的平方,λ是用來平衡重構(gòu)損失和對抗損失的超參數(shù),一般通過實驗事先選取,本文取0.000 1。

    1.3 聽覺掩蔽對抗訓(xùn)練有效性分析

    由此可見,對抗訓(xùn)練最大化判別器的損失,實際上是在最小化目標(biāo)語音和增強后語音特征分布之間的JS散度。因此,對抗訓(xùn)練能夠使增強后的語音特征盡可能地滿足目標(biāo)語音的概率分布,從而有效提高ASR系統(tǒng)的識別率。

    2 實驗設(shè)置與評價指標(biāo)

    2.1 數(shù)據(jù)集

    本文使用第3屆語音分離與識別公開挑戰(zhàn)賽CHiME-3[10]所提供的語音數(shù)據(jù),來對所提出的方法進行評價。由于該數(shù)據(jù)集包括多個通道的語音數(shù)據(jù),因此這里僅采用第5個通道的數(shù)據(jù)來進行單通道語音增強和識別任務(wù)的訓(xùn)練和測試。CHiME-3數(shù)據(jù)集由模擬合成和真實錄制的2部分數(shù)據(jù)構(gòu)成。對于模擬合成的數(shù)據(jù),其理想比率掩膜使用含噪語音和參與合成的目標(biāo)語音計算得到;對于真實錄制的數(shù)據(jù),則使用錄制到的遠講語音和近講語音計算得到理想比率掩膜。為方便處理,所有的語音文件都采樣到16k Hz。另外,為模擬無混響的背景噪聲干擾,還將純凈語音和噪聲按照0 dB、3 dB和6 dB等信噪比進行混合,以擴充增強模型的訓(xùn)練集。

    2.2 評價指標(biāo)

    通過計算增強后語音在魯棒語音識別系統(tǒng)上的詞錯誤率(Word Error Rate,WER),來評價增強模型的性能。一般而言,詞錯誤率越低表示增強模型的性能越好,反之,詞錯誤率越高則表示增強模型的性能越差。

    本文使用CHiME-3挑戰(zhàn)賽中官方提供的魯棒語音識別系統(tǒng)對增強模型進行評價。該系統(tǒng)由深度神經(jīng)網(wǎng)絡(luò)(Deep Neural Network,DNN)和隱馬爾科夫模型(Hidden Markov Model,HMM)構(gòu)成。對其聲學(xué)模型而言,首先訓(xùn)練高斯混合模型(Gaussian Mixture Model,GMM)和HMM構(gòu)成的混合系統(tǒng),來進行音素和語音幀之間的強制對齊,這里采用經(jīng)過決策樹聚類的三音素作為識別的基本單元。而后使用每幀的對數(shù)梅爾能量譜和三音素類別標(biāo)簽訓(xùn)練深度神經(jīng)網(wǎng)絡(luò)DNN。為獲得良好的初始化參數(shù),先使用受限玻爾茲曼機對神經(jīng)網(wǎng)絡(luò)進行逐層初始化,而后再進行輸入特征和標(biāo)簽對應(yīng)的有監(jiān)督分類訓(xùn)練。為使該聲學(xué)模型盡可能地魯棒,訓(xùn)練集含有多種聲學(xué)場景下的語音數(shù)據(jù),包括純凈語音、近講語音、模擬的含噪語音,以及真實錄制的含噪語音。通過這種多條件的訓(xùn)練方式,聲學(xué)模型的噪聲魯棒性能夠獲得極大提升[11]。

    語音識別系統(tǒng)的語言模型為華爾街日報(Wall Street Journal,WSJ)5000詞的trigram模型,這里使用Kaldi工具集中的加權(quán)有限狀態(tài)機(Weighted Finite-State Transducer,WFST)對其進行建模。在對增強模型進行評價時,ASR系統(tǒng)的聲學(xué)模型和語言模型將固定不變,僅改變前端增強模型。

    2.3 模型結(jié)構(gòu)

    所提出的聽覺掩蔽生成對抗網(wǎng)絡(luò)GANAM是一種學(xué)習(xí)范式,對增強模型的具體結(jié)構(gòu)并沒有特殊要求。因此這里采用單通道語音增強算法中常用的雙向循環(huán)神經(jīng)網(wǎng)絡(luò)(Recurrent Neural Network,RNN)。為避免長時建模可能產(chǎn)生的梯度消失問題,該RNN網(wǎng)絡(luò)采用長短時記憶單元(Long Short-term Memory Unit,LSTM)作為隱層單元。增強模型共包含4個隱層,而每個隱層則由512個LSTM單元構(gòu)成。GANAM中的判別器與聲學(xué)模型的網(wǎng)絡(luò)結(jié)構(gòu)類似,其輸入為前后各擴展12幀、共25幀聲學(xué)特征拼接而成的向量,而其輸出則是經(jīng)過sigmoid函數(shù)歸一化后的概率得分。判別器D共包含3個全連接層,每層由1 024個線性整流(Rectified Linear Unit,ReLU)神經(jīng)元構(gòu)成。

    2.4 對比方法

    為客觀評價所提出方法的性能,本文將其與最近提出的2種基于生成對抗網(wǎng)絡(luò)的增強方法進行比較,可得到如下研究結(jié)論:

    (1)MappingGAN是文獻[7]提出的增強方法。與本文基于聽覺掩蔽的增強方法不同,其增強模型以含噪語音的聲學(xué)特征為輸入,直接預(yù)測目標(biāo)語音的特征;其判別器則盡可能地發(fā)現(xiàn)增強后語音和目標(biāo)語音之間的差異。該方法可以有效提高混響干擾下魯棒ASR系統(tǒng)的識別率,但對于寬帶非平穩(wěn)噪聲的干擾還未進行評估。

    (2)PairGAN與本文的方法類似,也是基于聽覺掩蔽的增強方法[6]。不同的是,PairGAN將含噪語音與比率掩膜構(gòu)成的二元組作為正例或反例,而不是將增強后的語音或目標(biāo)語音特征作為正例或反例。該方法能夠有效提高增強后語音的可懂度和感知質(zhì)量,但對魯棒ASR系統(tǒng)識別率的影響還有待研究。

    3 實驗結(jié)果及分析

    3.1 性能對比

    表1給出了MappingGAN、PairGAN以及所提出的GANAM方法增強后語音的詞錯誤率。從表1中可以看出:

    (1)不管是驗證集(dt)還是測試集(et),基于聽覺掩蔽的增強方法都能夠進一步降低模擬合成語音(simu)和真實錄制(real)語音在魯棒ASR系統(tǒng)上的詞錯誤率。這說明,前端增強方法是提升語音識別系統(tǒng)噪聲魯棒性的可行途徑。

    (2)與有監(jiān)督方法相比,所提出的GANAM在所有評測條件下都能夠顯著降低增強后語音的詞錯誤率,從而說明,GANAM能夠使增強后的語音特征更具判別性。

    (3)與現(xiàn)有的增強方法MappingGAN和PairGAN相比,GANAM增強后的語音特征獲得了更低的詞錯誤率。這就表明,相比于其他的對抗訓(xùn)練策略,基于聽覺掩蔽的生成對抗網(wǎng)絡(luò)能夠更加有效地提取和利用目標(biāo)語音聲學(xué)特征的概率分布。

    (4)通過對比PairGAN和有監(jiān)督方法可以看出,不恰當(dāng)?shù)膶共呗苑堑荒芴岣逜SR系統(tǒng)的識別率,甚至還會降低ASR系統(tǒng)的識別性能。此外,PairGAN的實驗結(jié)果還表明,提高增強后語音的可懂度、感知質(zhì)量等主觀指標(biāo),和提高語音識別率這一客觀指標(biāo)是2個不同的問題,能夠提高主觀指標(biāo)的增強方法并不一定能夠提高識別率。

    3.2 判別器模型結(jié)構(gòu)對增強后語音詞錯誤率的影響

    對于生成對抗網(wǎng)絡(luò)而言,判別器的模型結(jié)構(gòu)也會對最終的性能產(chǎn)生影響。為了評估該影響,本節(jié)固定增強模型的網(wǎng)絡(luò)結(jié)構(gòu)不變,分別使用參數(shù)量相同的卷積神經(jīng)網(wǎng)絡(luò)和循環(huán)神經(jīng)網(wǎng)絡(luò),代替所采用的深度神經(jīng)網(wǎng)絡(luò)判別器。表2給出了不同網(wǎng)絡(luò)結(jié)構(gòu)的判別器對增強后語音識別率的影響。從表2中可以看出,判別器的模型結(jié)構(gòu)確實會對增強后語音的識別率產(chǎn)生顯著的影響。與有監(jiān)督方法(不含判別器的對抗訓(xùn)練)相比,基于卷積神經(jīng)網(wǎng)絡(luò)CNN和循環(huán)神經(jīng)網(wǎng)絡(luò)LSTM的判別器并不能提升增強后語音的識別率,而基于DNN的判別器則在真實錄制的測試集et_real上帶來了1.78%的詞錯誤率下降。

    3.3 聽覺掩蔽生成對抗網(wǎng)絡(luò)對增強后特征的影響

    為探究聽覺掩蔽生成對抗網(wǎng)絡(luò)GANAM是如何影響增強后的語音特征,使其識別率得以提升,本節(jié)將不同模型增強后的聲學(xué)特征進行可視化,如圖2所示。可以看出,有監(jiān)督增強方法只是在盡可能地最小化增強后語音和目標(biāo)語音特征之間的差異,而并不關(guān)心增強后語音是否滿足純凈語音的概率分布,從而使真實含噪語音增強后的特征依然可能含有較多的噪聲干擾。而所提出的GANAM增強方法則通過對抗訓(xùn)練的方式,來對純凈語音的概率分布進行建模,從而盡可能地去除增強后語音特征中的噪聲干擾,得到更為干凈的語音特征,進而提升增強后語音的識別率。

    4 結(jié)束語

    本文在基于聲學(xué)掩蔽有監(jiān)督增強方法的基礎(chǔ)上,通過引入額外的判別器,來對純凈語音的概率分布進行建模,而后利用學(xué)習(xí)到的概率分布指導(dǎo)增強模型的訓(xùn)練,從而使其增強后的語音特征滿足目標(biāo)語音的概率分布,同時也更具判別性。實驗結(jié)果表明,將所提出的聲學(xué)掩蔽生成對抗網(wǎng)絡(luò)增強方法GANAM作為語音識別系統(tǒng)的前端處理,能夠降低魯棒ASR系統(tǒng)在真實含噪語音上的詞錯誤率,進一步提高其噪聲魯棒性。

    參考文獻

    [1] HAN Kun, HE Yanzhang, BAGCHI D, et al.Deep neural network based spectral feature mapping for robust speech recognition[C]// 16th Annual Conference of the International Speech Communication Association(Interspeech). Dresden,Germany:isca-speech organization,2015:2484-2488.

    [2] WENINGER F, ERDOGAN H, WATANABE S, et al. Speech enhancement with LSTM recurrent neural networks and its application to noise-robust ASR[M]//VINCENT E, YEREDOR A, KOLDOVSKY[DD(-*2]′[DD)] Z,et al. ?Latent variable analysis and signal separation. LVA/ICA 2015. Lecture Notes in Computer Science. Cham:Springer, 2015,9237:91-99.

    [3] WANG Zhongqiu, WANG Deliang. A joint training framework for robust automatic speech recognition[J].IEEE/ACM Transactions on Audio, Speech, and Language Processing, 2016, 24(4):796-806.

    [4] LIU Bin, NIE Shuai, ZHANG Yaping, et al. Boosting noise robustness of acoustic model via deep adversarial training[C]// 2018 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP).Calgary, AB, Canada:IEEE, 2018:3674-3679.

    [5] GOODFELLOW I, POUGET-ABADIE J, MIRZA M, et al. Generative adversarial nets[C]// NIPS. Montreal, QC, Canada: NIPS Foundation, 2014:2672-2680.

    [6] PANDEY A, WANG Deliang. On adversarial training and loss functions for speech enhancement[C]// 2018 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP).Calgary, AB, Canada:IEEE, 2018:5414-5418.

    [7] WANG Ke, ZHANG Junbo, SUN Sining, et al. Investigating generative adversarial networks based speech dereverberation for robust speech recognition[C]//Interspeech. Hyderabad, India:dblp, 2018:1581-1585.

    [8] DONAHUE C, LI Bo, PRABHAVALKAR R. Exploring speech enhancement with generative adversarial networks for robust speech recognition[C]// ICASSP. Calgary, AB, Canada:IEEE, 2018:5024-5028.

    [9] WANG Yuxuan, NARAYANAN A, WANG Deliang. On training targets for supervised speech separation[J].IEEE/ACM Transactions on Audio, Speech, and Language Processing, 2014, 22(12):1849-1858.

    [10]BARKER J, MARXER R, VINCENT E, et al. The third ‘chime speech separation and recognition challenge: Dataset, task and baselines[C]// 2015 IEEE Workshop on Automatic Speech Recognition and Understanding. Scottsdale, AZ, USA:IEEE, 2015:504-511.

    [11]LI Feipeng, NIDADAVOLU P, HERMANSKY H. A long, deep and wide artificial neural net for robust speech recognition in unknown noise[C]// Interspeech. Singapore:dblp, 2014:1-6.

    猜你喜歡
    生成對抗網(wǎng)絡(luò)
    用于知識表示學(xué)習(xí)的對抗式負樣本生成
    基于衰減式生成對抗網(wǎng)絡(luò)的單幅圖像陰影去除
    高噪聲環(huán)境下的生成對抗網(wǎng)絡(luò)人機語音增強技術(shù)
    移動通信(2019年8期)2019-10-18 09:43:57
    基于生成對抗網(wǎng)絡(luò)的圖像盲去運動模糊算法
    基于生成對抗網(wǎng)絡(luò)的地面新增建筑檢測
    基于注意力機制的行人軌跡預(yù)測生成模型
    基于GAN的圖像超分辨率方法研究
    基于生成對抗網(wǎng)絡(luò)的深度學(xué)習(xí)能耗預(yù)測算法
    基于深度卷積生成對抗網(wǎng)絡(luò)模型的超分辨數(shù)據(jù)重建
    基于生成對抗網(wǎng)絡(luò)的圖片風(fēng)格遷移
    成人三级黄色视频| 黑人操中国人逼视频| 黑人欧美特级aaaaaa片| 人人澡人人妻人| 窝窝影院91人妻| 黄色怎么调成土黄色| 国产亚洲精品综合一区在线观看 | a级毛片a级免费在线| 性插视频无遮挡在线免费观看| 欧美色欧美亚洲另类二区| 脱女人内裤的视频| 午夜福利在线观看免费完整高清在 | eeuss影院久久| 中文字幕熟女人妻在线| 少妇人妻精品综合一区二区 | 久久精品夜夜夜夜夜久久蜜豆| 嫩草影院精品99| 麻豆成人午夜福利视频| 免费一级毛片在线播放高清视频| 在线观看免费视频日本深夜| 国产私拍福利视频在线观看| 欧美成狂野欧美在线观看| 尤物成人国产欧美一区二区三区| 在线观看免费视频日本深夜| 日韩有码中文字幕| 精品人妻一区二区三区麻豆 | 中文字幕人成人乱码亚洲影| 99热只有精品国产| 一个人免费在线观看的高清视频| 一区二区三区四区激情视频 | 国产69精品久久久久777片| xxxwww97欧美| 亚洲av电影不卡..在线观看| 亚洲人成网站高清观看| 久久久久免费精品人妻一区二区| 亚洲va日本ⅴa欧美va伊人久久| 特级一级黄色大片| 又紧又爽又黄一区二区| 久久久久久九九精品二区国产| 精品一区二区三区人妻视频| 婷婷精品国产亚洲av在线| 国产三级中文精品| 久久亚洲精品不卡| 美女黄网站色视频| 久久久精品欧美日韩精品| 噜噜噜噜噜久久久久久91| 麻豆国产97在线/欧美| 国产精品一区二区三区四区久久| 噜噜噜噜噜久久久久久91| 精品一区二区三区视频在线| 久久久精品大字幕| 悠悠久久av| 香蕉av资源在线| 男女视频在线观看网站免费| 久久精品国产99精品国产亚洲性色| 中文字幕av在线有码专区| 成人av一区二区三区在线看| 美女高潮喷水抽搐中文字幕| 青草久久国产| 久久国产精品人妻蜜桃| 91久久精品电影网| 亚洲av免费在线观看| 一区二区三区免费毛片| 免费黄网站久久成人精品 | 97热精品久久久久久| 成人亚洲精品av一区二区| 日本熟妇午夜| 亚洲国产精品999在线| 最近视频中文字幕2019在线8| 成人性生交大片免费视频hd| 色综合婷婷激情| 久久精品人妻少妇| 超碰av人人做人人爽久久| 最新在线观看一区二区三区| 国产毛片a区久久久久| 日韩成人在线观看一区二区三区| 久久6这里有精品| 老司机午夜福利在线观看视频| 国产精品不卡视频一区二区 | 99热这里只有精品一区| 国产乱人伦免费视频| 婷婷色综合大香蕉| 成人无遮挡网站| 久久伊人香网站| 亚洲色图av天堂| 在线观看一区二区三区| 色精品久久人妻99蜜桃| 十八禁国产超污无遮挡网站| 亚洲国产高清在线一区二区三| 欧美黄色片欧美黄色片| 午夜精品久久久久久毛片777| 看免费av毛片| 久久热精品热| 免费大片18禁| 日韩欧美在线二视频| 国语自产精品视频在线第100页| 久久国产乱子伦精品免费另类| 在线观看美女被高潮喷水网站 | 麻豆成人av在线观看| 看十八女毛片水多多多| 内射极品少妇av片p| 欧美精品啪啪一区二区三区| 少妇被粗大猛烈的视频| 亚洲精品久久国产高清桃花| 成人美女网站在线观看视频| 97碰自拍视频| 精品免费久久久久久久清纯| 国产精品永久免费网站| 亚洲成人免费电影在线观看| 欧美精品国产亚洲| 欧美xxxx性猛交bbbb| 免费一级毛片在线播放高清视频| 午夜免费成人在线视频| 亚洲黑人精品在线| 国产 一区 欧美 日韩| 中文亚洲av片在线观看爽| 亚洲综合色惰| 美女cb高潮喷水在线观看| 午夜久久久久精精品| 精品不卡国产一区二区三区| 少妇被粗大猛烈的视频| 中文字幕熟女人妻在线| 一本一本综合久久| 欧美另类亚洲清纯唯美| 精品久久久久久久人妻蜜臀av| 亚洲va日本ⅴa欧美va伊人久久| 在线天堂最新版资源| 亚洲av成人不卡在线观看播放网| 久久久久久久久久黄片| 国产精品女同一区二区软件 | 麻豆国产av国片精品| 两人在一起打扑克的视频| 级片在线观看| 国产白丝娇喘喷水9色精品| 悠悠久久av| av欧美777| 女生性感内裤真人,穿戴方法视频| 69av精品久久久久久| 欧美色视频一区免费| 国产色婷婷99| 国产白丝娇喘喷水9色精品| 欧美午夜高清在线| x7x7x7水蜜桃| 老熟妇乱子伦视频在线观看| 国产一区二区在线av高清观看| 在线看三级毛片| 欧美激情久久久久久爽电影| 精品久久久久久久久av| 欧美成人免费av一区二区三区| 日本成人三级电影网站| 九九热线精品视视频播放| 国产成人av教育| 亚洲一区二区三区不卡视频| 黄片小视频在线播放| 99精品久久久久人妻精品| 91狼人影院| 日本 av在线| 给我免费播放毛片高清在线观看| 搡老熟女国产l中国老女人| 3wmmmm亚洲av在线观看| 欧美成狂野欧美在线观看| 国产精品人妻久久久久久| 精品久久久久久久久亚洲 | 国产精品一区二区免费欧美| 深夜a级毛片| 女人十人毛片免费观看3o分钟| 欧美高清性xxxxhd video| 欧美三级亚洲精品| 精品免费久久久久久久清纯| 成人一区二区视频在线观看| 亚洲国产精品sss在线观看| 最近最新免费中文字幕在线| 看片在线看免费视频| 日韩欧美精品v在线| 国产精品久久视频播放| 国产熟女xx| 五月伊人婷婷丁香| 国产成人aa在线观看| 欧美激情国产日韩精品一区| 深夜精品福利| 国内精品久久久久久久电影| 中文亚洲av片在线观看爽| 成人特级av手机在线观看| 欧美中文日本在线观看视频| 国产极品精品免费视频能看的| 午夜福利免费观看在线| 午夜久久久久精精品| 日韩人妻高清精品专区| 18美女黄网站色大片免费观看| 男女那种视频在线观看| 小说图片视频综合网站| 91字幕亚洲| 亚洲精品色激情综合| 日韩av在线大香蕉| 在线看三级毛片| 久久久久久久久久成人| 精品人妻视频免费看| 噜噜噜噜噜久久久久久91| 成人av在线播放网站| 亚洲不卡免费看| 成人欧美大片| 一个人看的www免费观看视频| 2021天堂中文幕一二区在线观| 国产精品爽爽va在线观看网站| 18禁黄网站禁片午夜丰满| 欧美潮喷喷水| 91字幕亚洲| 国产亚洲欧美在线一区二区| 别揉我奶头~嗯~啊~动态视频| 亚洲人成网站高清观看| 成人特级黄色片久久久久久久| 国产精品一及| www.www免费av| av在线老鸭窝| 精品一区二区三区视频在线观看免费| 亚洲av.av天堂| 午夜精品在线福利| 免费在线观看日本一区| 国产极品精品免费视频能看的| 最近视频中文字幕2019在线8| 久久久久精品国产欧美久久久| 91午夜精品亚洲一区二区三区 | 校园春色视频在线观看| 国产免费一级a男人的天堂| 一夜夜www| 欧美一级a爱片免费观看看| 亚洲欧美日韩无卡精品| 亚洲成人久久爱视频| 亚洲av二区三区四区| a级毛片a级免费在线| 精品久久久久久久久久久久久| 婷婷精品国产亚洲av在线| 日韩欧美精品免费久久 | 18美女黄网站色大片免费观看| 又黄又爽又刺激的免费视频.| 亚洲人成网站在线播放欧美日韩| 日韩成人在线观看一区二区三区| 亚洲,欧美精品.| 最近最新免费中文字幕在线| 亚洲第一电影网av| .国产精品久久| 国产蜜桃级精品一区二区三区| 久久午夜福利片| 直男gayav资源| 精品不卡国产一区二区三区| 宅男免费午夜| 欧美色视频一区免费| 国产欧美日韩精品一区二区| 1000部很黄的大片| 成年女人永久免费观看视频| 精品无人区乱码1区二区| 久久久久久久久久成人| 国产精品日韩av在线免费观看| 免费黄网站久久成人精品 | 国产成人啪精品午夜网站| 大型黄色视频在线免费观看| 一本一本综合久久| 九九在线视频观看精品| 国产伦人伦偷精品视频| 日日夜夜操网爽| 久久这里只有精品中国| 麻豆国产av国片精品| 丁香六月欧美| 久久精品国产清高在天天线| 在线看三级毛片| 国产午夜精品论理片| 美女高潮喷水抽搐中文字幕| 99久久成人亚洲精品观看| 国产三级在线视频| 能在线免费观看的黄片| 亚洲成人免费电影在线观看| 亚洲五月天丁香| 91狼人影院| 九色成人免费人妻av| 黄色丝袜av网址大全| 久久国产乱子伦精品免费另类| 麻豆成人午夜福利视频| 国产极品精品免费视频能看的| 丝袜美腿在线中文| 天天一区二区日本电影三级| 国内毛片毛片毛片毛片毛片| 国产亚洲精品综合一区在线观看| 国产精品日韩av在线免费观看| 亚洲天堂国产精品一区在线| 精品一区二区免费观看| 欧美3d第一页| 亚洲乱码一区二区免费版| 国产真实乱freesex| 精品一区二区三区av网在线观看| 久久99热这里只有精品18| 亚洲一区高清亚洲精品| 中文字幕av成人在线电影| 男人的好看免费观看在线视频| 欧美绝顶高潮抽搐喷水| 我要搜黄色片| 中文资源天堂在线| 色综合站精品国产| 麻豆一二三区av精品| 国产精品,欧美在线| 亚洲av电影不卡..在线观看| 亚洲精品成人久久久久久| 亚洲人成伊人成综合网2020| 日韩精品青青久久久久久| 给我免费播放毛片高清在线观看| 中文亚洲av片在线观看爽| 丝袜美腿在线中文| 婷婷亚洲欧美| 日韩av在线大香蕉| 99久久九九国产精品国产免费| 国产精品精品国产色婷婷| 99精品在免费线老司机午夜| 亚洲国产欧洲综合997久久,| 午夜精品一区二区三区免费看| 他把我摸到了高潮在线观看| 国产久久久一区二区三区| 亚洲国产精品sss在线观看| 国产中年淑女户外野战色| 免费在线观看影片大全网站| 毛片女人毛片| 不卡一级毛片| 青草久久国产| 一区二区三区激情视频| 一本久久中文字幕| 亚洲电影在线观看av| 日日干狠狠操夜夜爽| 中文资源天堂在线| av在线天堂中文字幕| 成人欧美大片| 国产成人福利小说| 亚洲三级黄色毛片| 床上黄色一级片| 一本精品99久久精品77| 色综合亚洲欧美另类图片| 中文字幕免费在线视频6| 2021天堂中文幕一二区在线观| 国产成人av教育| 老熟妇仑乱视频hdxx| 亚洲最大成人手机在线| 国产黄片美女视频| 亚洲aⅴ乱码一区二区在线播放| 日日摸夜夜添夜夜添av毛片 | 99精品久久久久人妻精品| 亚洲成人免费电影在线观看| 国产亚洲av嫩草精品影院| 女同久久另类99精品国产91| 午夜免费激情av| 女同久久另类99精品国产91| 男插女下体视频免费在线播放| 伦理电影大哥的女人| av视频在线观看入口| 日本熟妇午夜| 亚洲黑人精品在线| 三级男女做爰猛烈吃奶摸视频| 欧美成人性av电影在线观看| 伦理电影大哥的女人| 女人十人毛片免费观看3o分钟| 两性午夜刺激爽爽歪歪视频在线观看| 日本免费a在线| 日日摸夜夜添夜夜添av毛片 | 久久99热6这里只有精品| 99国产极品粉嫩在线观看| 日韩有码中文字幕| 国产精品影院久久| 首页视频小说图片口味搜索| www日本黄色视频网| 蜜桃亚洲精品一区二区三区| 少妇丰满av| 蜜桃亚洲精品一区二区三区| 男女下面进入的视频免费午夜| 成人亚洲精品av一区二区| eeuss影院久久| 精品日产1卡2卡| www日本黄色视频网| 欧美成人免费av一区二区三区| 亚洲成人中文字幕在线播放| 免费黄网站久久成人精品 | 丁香六月欧美| 亚洲狠狠婷婷综合久久图片| 日日摸夜夜添夜夜添av毛片 | 女人被狂操c到高潮| 国产男靠女视频免费网站| 热99re8久久精品国产| 日韩欧美国产一区二区入口| 在线看三级毛片| 国产男靠女视频免费网站| 久久99热6这里只有精品| 亚洲乱码一区二区免费版| 成人鲁丝片一二三区免费| 深夜a级毛片| 久久草成人影院| 日韩中字成人| 精品久久久久久久久久久久久| 久久久久久久久大av| 尤物成人国产欧美一区二区三区| 欧美黑人欧美精品刺激| 精品国内亚洲2022精品成人| 国产精品日韩av在线免费观看| 国产激情偷乱视频一区二区| 极品教师在线免费播放| 亚洲国产精品合色在线| 成人无遮挡网站| 夜夜看夜夜爽夜夜摸| 一本一本综合久久| 欧美+亚洲+日韩+国产| 99热6这里只有精品| 亚洲av成人不卡在线观看播放网| 首页视频小说图片口味搜索| 在线观看一区二区三区| 国产大屁股一区二区在线视频| 久久久久久久久久黄片| 免费一级毛片在线播放高清视频| 极品教师在线免费播放| 99久久九九国产精品国产免费| 毛片一级片免费看久久久久 | 乱码一卡2卡4卡精品| 亚洲专区中文字幕在线| 老鸭窝网址在线观看| 免费观看精品视频网站| 日韩欧美精品v在线| 99精品久久久久人妻精品| 亚洲精品一卡2卡三卡4卡5卡| 美女xxoo啪啪120秒动态图 | 波多野结衣高清作品| 亚洲美女搞黄在线观看 | 国产色婷婷99| 男女做爰动态图高潮gif福利片| 色视频www国产| 国产高清视频在线播放一区| 一边摸一边抽搐一进一小说| 内射极品少妇av片p| 女生性感内裤真人,穿戴方法视频| 国产大屁股一区二区在线视频| 午夜福利欧美成人| 国产69精品久久久久777片| 日韩免费av在线播放| 日本一二三区视频观看| 两个人的视频大全免费| 日本撒尿小便嘘嘘汇集6| 丁香欧美五月| 色尼玛亚洲综合影院| 高清日韩中文字幕在线| 窝窝影院91人妻| 听说在线观看完整版免费高清| 少妇丰满av| 欧美日韩亚洲国产一区二区在线观看| www.色视频.com| 日本一本二区三区精品| 国产精品三级大全| 国产午夜精品论理片| 欧美在线一区亚洲| 亚洲电影在线观看av| 熟女人妻精品中文字幕| 国产三级在线视频| 色尼玛亚洲综合影院| www.999成人在线观看| 少妇的逼水好多| 天美传媒精品一区二区| 三级男女做爰猛烈吃奶摸视频| 欧美乱妇无乱码| 大型黄色视频在线免费观看| 久久草成人影院| www.色视频.com| 可以在线观看的亚洲视频| 亚洲精品在线观看二区| 精品日产1卡2卡| 高清日韩中文字幕在线| 午夜视频国产福利| 69人妻影院| 国产精品1区2区在线观看.| 高清毛片免费观看视频网站| 久久精品人妻少妇| 成人亚洲精品av一区二区| 丰满人妻一区二区三区视频av| 丁香六月欧美| 91在线精品国自产拍蜜月| 亚洲av二区三区四区| 在现免费观看毛片| 人人妻,人人澡人人爽秒播| 欧美丝袜亚洲另类 | 国产伦人伦偷精品视频| 国产视频一区二区在线看| 别揉我奶头~嗯~啊~动态视频| 欧美日本亚洲视频在线播放| 亚洲第一电影网av| 琪琪午夜伦伦电影理论片6080| 一个人看视频在线观看www免费| 欧美xxxx黑人xx丫x性爽| 精品一区二区三区人妻视频| 亚洲一区高清亚洲精品| 国产精品一及| 免费av观看视频| 99国产精品一区二区蜜桃av| 三级国产精品欧美在线观看| 美女高潮的动态| 久久婷婷人人爽人人干人人爱| 国产探花在线观看一区二区| 性色av乱码一区二区三区2| 九九在线视频观看精品| 午夜激情福利司机影院| 热99在线观看视频| 中文字幕久久专区| 免费看美女性在线毛片视频| 亚洲人成网站在线播放欧美日韩| 精品无人区乱码1区二区| 国内揄拍国产精品人妻在线| 国产在线精品亚洲第一网站| 深爱激情五月婷婷| 全区人妻精品视频| 亚洲成a人片在线一区二区| 国产蜜桃级精品一区二区三区| 国产av麻豆久久久久久久| 最近中文字幕高清免费大全6 | 又粗又爽又猛毛片免费看| 午夜福利成人在线免费观看| 五月玫瑰六月丁香| 国产免费男女视频| 欧美乱妇无乱码| 村上凉子中文字幕在线| 国产色爽女视频免费观看| 最近视频中文字幕2019在线8| 国产精品1区2区在线观看.| 精品人妻熟女av久视频| 午夜a级毛片| 99精品在免费线老司机午夜| 久久6这里有精品| 国产免费一级a男人的天堂| 免费看日本二区| 在线免费观看的www视频| 在线国产一区二区在线| 欧美xxxx黑人xx丫x性爽| 又粗又爽又猛毛片免费看| 亚洲男人的天堂狠狠| 精品久久国产蜜桃| 国产白丝娇喘喷水9色精品| 亚洲人成电影免费在线| 一区福利在线观看| 成人精品一区二区免费| 一区二区三区免费毛片| av天堂在线播放| 午夜久久久久精精品| 听说在线观看完整版免费高清| 小说图片视频综合网站| 亚洲成a人片在线一区二区| 国产91精品成人一区二区三区| 看黄色毛片网站| 夜夜爽天天搞| 国产精品久久久久久亚洲av鲁大| 久久伊人香网站| 国产亚洲欧美在线一区二区| 免费av不卡在线播放| x7x7x7水蜜桃| 宅男免费午夜| 内射极品少妇av片p| 男人和女人高潮做爰伦理| 91av网一区二区| 免费观看精品视频网站| 日韩av在线大香蕉| 欧美+亚洲+日韩+国产| 高清在线国产一区| av在线天堂中文字幕| 欧美三级亚洲精品| 91麻豆av在线| 国产一区二区在线av高清观看| 国产乱人伦免费视频| 中文字幕精品亚洲无线码一区| 丰满的人妻完整版| 久久久久免费精品人妻一区二区| 毛片女人毛片| 久久精品国产自在天天线| 国产激情偷乱视频一区二区| 一区二区三区免费毛片| 日本与韩国留学比较| 亚洲在线观看片| av视频在线观看入口| 精品人妻偷拍中文字幕| 尤物成人国产欧美一区二区三区| 欧美一区二区亚洲| 三级国产精品欧美在线观看| 99热这里只有精品一区| 亚洲狠狠婷婷综合久久图片| 成人特级黄色片久久久久久久| 免费看日本二区| 亚洲精品粉嫩美女一区| 亚洲精品一卡2卡三卡4卡5卡| 亚洲人成伊人成综合网2020| 婷婷色综合大香蕉| 午夜久久久久精精品| 琪琪午夜伦伦电影理论片6080| 亚洲av五月六月丁香网| x7x7x7水蜜桃| 美女高潮喷水抽搐中文字幕| 亚洲国产精品合色在线| 中文字幕精品亚洲无线码一区| 免费电影在线观看免费观看| 日韩欧美在线乱码| 两个人视频免费观看高清| 女同久久另类99精品国产91| 久久99热6这里只有精品| 国产高清视频在线观看网站| 久久精品国产亚洲av涩爱 | 成年版毛片免费区| 在线看三级毛片| www.999成人在线观看| 国产乱人伦免费视频| 99热这里只有是精品在线观看 | 欧美乱色亚洲激情| 真人一进一出gif抽搐免费| avwww免费| 搡老熟女国产l中国老女人| 国产欧美日韩一区二区精品| 久久精品国产亚洲av香蕉五月| 欧美日韩国产亚洲二区| 好男人在线观看高清免费视频| 草草在线视频免费看| 国产亚洲精品综合一区在线观看|