• <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 ?

    基于圖注意力和單中心損失的語音鑒偽*

    2022-08-23 01:53:22宜,楊捍,石珺,賈
    通信技術(shù) 2022年7期
    關(guān)鍵詞:特征提取特征

    沈 宜,楊 捍,石 珺,賈 宇

    (深圳市網(wǎng)聯(lián)安瑞網(wǎng)絡(luò)科技有限公司,廣東 深圳 518042)

    0 引言

    語音鑒偽是為了檢測偽造音頻,隨著深度學習技術(shù)的應(yīng)用,說話人驗證被廣泛地應(yīng)用在人機交互領(lǐng)域,其準確率也在不斷地提升。然而,基于深度學習的文字到語音的轉(zhuǎn)換技術(shù),以及聲音轉(zhuǎn)換技術(shù)也能夠生產(chǎn)足以媲美真實語音的合成音頻,以至于人耳也難以鑒別,因此,對現(xiàn)有的說話人聲真?zhèn)悟炞C應(yīng)用造成了安全威脅,而檢測利用深度合成技術(shù)生成的音頻也逐漸引起工業(yè)界和學術(shù)界的重視。為了提高語音鑒偽在面臨不斷更新的合成與轉(zhuǎn)換技術(shù)攻擊時的有效性和準確率,在2019 年的ASVspoof挑戰(zhàn)賽上,官方放出了2 類數(shù)據(jù),分別為LA 數(shù)據(jù)集和PA 數(shù)據(jù)集。LA 數(shù)據(jù)集是由不同的語音合成技術(shù)和語音轉(zhuǎn)換技術(shù)生成的合成語音,而PA 數(shù)據(jù)集是通過錄音、物理回放等手段合成的語音片段。本文主要針對利用語音合成技術(shù)與轉(zhuǎn)換技術(shù)合成的語音進行鑒偽。

    語音鑒偽的整體流程大致如圖1 所示,具體可以分為數(shù)據(jù)增強、音頻提取前端、特征提取主干網(wǎng)絡(luò)、損失函數(shù)等流程。數(shù)據(jù)增強是為了讓模型具有更好的泛化性,從而設(shè)計的不同方法;音頻前端處理是針對原始語音片段所設(shè)計的音頻特征的提取方法;特征提取主干網(wǎng)絡(luò)是在音頻前端提取的特征的基礎(chǔ)上,進行后續(xù)特征提取處理,目的是提取信息更加豐富的高層次特征;最小化損失函數(shù)則是為了讓所設(shè)計的語音鑒偽網(wǎng)絡(luò)學習到更強大的鑒別能力。

    圖1 語音鑒偽流程

    通常音頻處理前端提取的音頻大多是長度較長的一維的音頻向量,此外,根據(jù)音頻的采樣率的不同,每1 s 中包含的語音采樣點數(shù)不同,例如,16 kHz采樣率的音頻在1 s 內(nèi)有16 000 個采樣數(shù)值。為了減少音頻處理的長度,針對音頻文件常采樣壓縮后的特征,如梅爾倒譜系數(shù)特征(Mel-Frequency Cepstral Coefficients,MFCC)、線性頻率倒譜系數(shù)(Linear Frequency Cepstral Coefficient,LFCC)、常量q 系數(shù)(Constant Q Cepstral Coefficient,CQCC)等基于人工設(shè)計的倒譜系數(shù),然而人工設(shè)計的特征并不能完全代表各領(lǐng)域中分類的顯著特征,尤其是可學習的特征,該特征在最近的分類任務(wù)[1]中表現(xiàn)得比人工設(shè)計的特征更為出色。

    語音鑒偽中,特征網(wǎng)絡(luò)提取目前使用的主流方案仍是基于卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)等。但在最近幾年里,圖神經(jīng)網(wǎng)絡(luò)的出現(xiàn)吸引了大量的注意,尤其是圖卷積網(wǎng)絡(luò)[2]和圖注意力網(wǎng)絡(luò)[3],比如在一些工作中已經(jīng)出現(xiàn)了利用圖神經(jīng)網(wǎng)絡(luò)來建模語音相關(guān)的任務(wù)[4–7],例如,文獻[4]將圖注意網(wǎng)絡(luò)作為骨干網(wǎng)絡(luò)應(yīng)用于說話人驗證中;文獻[5]在少樣本音頻分類任務(wù)上,利用圖卷積神經(jīng)網(wǎng)絡(luò)來提高鑒別不同類別語音的能力;文獻[7]利用圖卷積神經(jīng)網(wǎng)絡(luò)來建模不同聲道的空間關(guān)系,從而提高音頻的質(zhì)量。語音鑒偽屬于二分類任務(wù),常用的損失函數(shù)為分類交叉熵損失。

    1 整體流程

    針對語音鑒偽,本文從語音數(shù)據(jù)增強、語音特征提取、特征提取網(wǎng)絡(luò)主干、損失函數(shù)這4 個方面進行實驗。本文設(shè)計方案整體流程如圖2 所示。圖中SCL 為單中心損失(Single Center Loss),BCE 為二分類交叉熵損失(Binary CrossEntropy),SincNet 為利用SincNet[8]提取音頻特征的方法,ResBlock 為殘差模塊

    圖2 基于圖注意力和單中心損失語音鑒偽流程

    1.1 語音數(shù)據(jù)增強

    為了提高語音鑒偽模型的泛化能力,本文采用了增加高通濾波器、增加背景噪聲、增加隨機的音頻剪切這3 種不同的數(shù)據(jù)增強方式。圖3 展示了原始的音頻頻譜和語音波形,以及利用3 種不同方式進行數(shù)據(jù)增強后的頻譜和語音波形。

    1.2 語音特征提取

    針對語音提取前端,區(qū)別于只采用人工設(shè)計的音頻特征的方案,本文將1D 卷積神經(jīng)網(wǎng)絡(luò)直接作用于音頻波形轉(zhuǎn)換后的梅爾倒譜頻率系數(shù)[8],這種方法在收斂和穩(wěn)定性方面具有一定的優(yōu)勢。本文將音頻波形轉(zhuǎn)換為梅爾特征后,利用SincNet[8]進行特征提取,對梅爾特征進行特征提取的1D 卷積部分在整個網(wǎng)絡(luò)是可學習的,而SincNet[8]的輸出特征在增加一個維度后,轉(zhuǎn)換為結(jié)合了時域和頻域的初級特征表示。后續(xù)采用殘差模塊對初級特征進一步提取,從而得到高層次特征H(S,F,T),S表示特征的通道數(shù),F(xiàn)表示頻域長度,T表示時域長度,每個殘差塊包含批量歸一化(Batch Norm,BN)模塊和ReLU 激活函數(shù),以及最大池化。

    1.3 特征提取網(wǎng)絡(luò)主干

    針對特征網(wǎng)絡(luò)主干部分,區(qū)別于常用的卷積神經(jīng)網(wǎng)絡(luò)等方法,本文采用基于自注意力機制的圖注意力網(wǎng)絡(luò)進行特征提取,具體是利用圖注意力模塊,并將高層次特征作為注意力模塊的輸入,從而挖掘語音信號中更豐富的鑒別信息。本文采用2 個圖注意力模塊分別從高層次特征中挖掘頻域和時域信息,并利用圖注意力的結(jié)構(gòu),提取不同頻域和時域特征間的聯(lián)系,再對經(jīng)過圖注意力模塊后的頻域和時域特征進行融合得到融合特征。針對不同的損失函數(shù),對融合特征進行后續(xù)操作。

    如圖4 所示,圖注意力網(wǎng)絡(luò)會從自注意力機制中學習到圖中相鄰2 個節(jié)點的信息,并分配對應(yīng)的權(quán)重。假設(shè)圖網(wǎng)絡(luò)中有6 個節(jié)點,δ表示不同節(jié)點間的權(quán)重,如δ12表示節(jié)點h1和節(jié)點h2之間的權(quán)重。具有更豐富信息的節(jié)點間通過自注意力機制,會得到更大的權(quán)重值,而權(quán)重越大,表示相鄰節(jié)點間聯(lián)系越緊密,即有更豐富的信息。

    圖4 節(jié)點h1 與各節(jié)點權(quán)重關(guān)系

    經(jīng)過圖注意力后,圖節(jié)點根據(jù)最小化損失函數(shù)被映射成其他特征表示,其表達式為:

    式中:Mout為將每個節(jié)點向量映射為標量的映射矩陣;σn為圖注意力網(wǎng)絡(luò)中每個節(jié)點的輸出特征;?表示整個圖。σn的計算公式為:

    式中:BN表示批量歸一化[9];Matt為將每個節(jié)點聚合后的信息映射到固定維度的映射矩陣;Mres為將殘差輸入映射到固定維度的殘差映射矩陣;βn為通過自注意力機制整合的相鄰節(jié)點信息。βn的計算公式為:

    式中:G(n)為圖中節(jié)點的鄰接節(jié)點集合,當圖中節(jié)點數(shù)為6 時,如圖4 所示,節(jié)點n,v可為h1到h6中的任意節(jié)點;δv,n為2 節(jié)點間的注意力權(quán)重;εv為節(jié)點v的輸出特征。注意力權(quán)重的計算方式如下[3]:

    式中:Mmap為可學習的點乘矩陣;⊙表示逐元素點乘。

    經(jīng)過自注意力圖計算以及圖池化后,頻域特征和時域特征的節(jié)點數(shù)以及節(jié)點對應(yīng)的維度都將減小,如圖5 所示,圖特征中節(jié)點數(shù)量,以及每個節(jié)點對應(yīng)的特征維度都將減少。自注意力機制的圖計算將減少每個節(jié)點中的維度,圖池化操作減少圖中的節(jié)點數(shù)量,o1表示節(jié)點h1經(jīng)過圖計算、圖池化操作后得到的特征。同理,o3和o5分別表示節(jié)點h3和節(jié)點h5。GAT(N,D)表示整個圖,N表示節(jié)點個數(shù),D表示每個節(jié)點對應(yīng)的特征維度。poolout(Nout,Dout)表示自注意力圖計算以及圖池化后的輸出。

    圖5 圖網(wǎng)絡(luò)中特征維度變化

    通過篩選掉部分圖節(jié)點,圖池化操作能產(chǎn)生更具有判別性的圖節(jié)點,可通過設(shè)置圖池化中的減少比率來控制圖節(jié)點的減少數(shù)量。

    本文中采用的圖池化操作來自文獻[10],圖池化操作流程描述如圖6 所示,用一個可學習的映射向量q(D,1),高層次特征經(jīng)過頻域或時域網(wǎng)絡(luò)時,得到圖特征feature,與映射向量q做乘積后得到圖中每個節(jié)點的scores,大小為(N,1),N表示圖特征feature中節(jié)點的數(shù)量。如圖5 中有6 個節(jié)點。根據(jù)設(shè)置的減少率,選取topk個最大得分的圖節(jié)點。圖中減少率設(shè)置為0.5,則對應(yīng)設(shè)置的topk數(shù)為3,得到scores′(topk,1),根據(jù)topk對應(yīng)的節(jié)點id選取feature中對應(yīng)的節(jié)點特征featuretopk,與經(jīng)過激活函數(shù)sigmod的scores′矩陣逐元素做點積得到圖池化的輸出poolout。

    圖6 圖池化操作流程

    本文中整個音頻鑒偽流程是端到端的,從音頻特征提取模塊到高層次特征提取模塊、圖注意力模塊、時域和頻域模塊以及到最后的全連接層,整個網(wǎng)絡(luò)都是端到端的。

    1.4 損失函數(shù)

    對于常用的二分類問題,采用的損失函數(shù)常見于交叉熵損失函數(shù),但由于隨著音頻合成技術(shù)的不斷突破,出現(xiàn)了越來越多的新興合成技術(shù),使得鑒別的難度也越來越大。因此,為了提高模型的泛化性,除了音頻的特征提取,主干網(wǎng)絡(luò)的選取和損失函數(shù)的選擇也至關(guān)重要。本文除了采用二分類交叉熵損失,還采用了文獻[11]針對人臉鑒偽采用的SCL 函數(shù),如圖7 所示。該損失函數(shù)將網(wǎng)絡(luò)提取的真人特征拉近一個中心,將假的人臉、合成的人臉特征遠離真人特征中心。因此無論采用哪種方式合成的人臉,只要是假的都會被單中心損失拉遠與單中心間的距離,針對未在訓練集出現(xiàn)過的合成人臉方式,則具有更高的泛化性。

    圖7 單中心損失

    本文將該損失函數(shù)引入音頻鑒偽領(lǐng)域。同樣的,將真實的語音經(jīng)過圖注意力網(wǎng)絡(luò)提取后得到的頻率域特征與時域特征融合,此時將會匯集到一個中心,而通過合成技術(shù)得到的語音音頻所提取的特征將被推離該中心。在一批量訓練數(shù)據(jù)中,包含了N個語音樣本,xi∈X,對應(yīng)的標簽yi∈{0,1}。這N個語音樣本,會通過頻域特征和時域特征融合后得到D維度特征,fi表示第i個樣本經(jīng)過融合后的D維度特征。單中心損失的計算公式為:

    式中:Mgenuine為在一批量數(shù)據(jù)中真實的音頻特征與單中心C之間的平均歐式距離;Mfake為一個批量數(shù)據(jù)中合成語音特征與單中心C之間的平均歐式距離;Ωfake和Ωgenuine分別為批量數(shù)據(jù)中虛假音頻的集合和批量數(shù)據(jù)中真實音頻的集合。單中心損失使得提取的真實音頻聚焦在單中心C中,同時也使得提取的假音頻特征最大限度地遠離單中心C。

    最后將融合后的特征輸入到單中心損失中,由于融合后特征經(jīng)過全連接層再結(jié)合交叉熵損失,因此整個損失函數(shù)部分包含了單中心損失和交叉熵損失,其表達式為:

    式中:Lsoftmax為二分類損失;Ltotal為總的損失;λ為損失函數(shù)的平衡系數(shù),設(shè)定為0.05。

    2 實驗對比

    實驗數(shù)據(jù)集為ASVspoof2019 中的LA[12]數(shù)據(jù)集,該數(shù)據(jù)集包含了3 個部分,分別為訓練集、驗證集、測試集。虛假音頻采用了不同的語音合成技術(shù)和聲音轉(zhuǎn)換技術(shù),使用指標串聯(lián)檢測代價函數(shù)(Tandem Detection Cost Function,t-DCF)[13-14]和等錯誤率(Equal Error Rate,EER)[15]作為衡量指標,兩種指標均是越小代表性能越好。

    實驗中,本文選用了LFCC 特征結(jié)合混合高斯模型(Gaussian Mixture Model,GMM)的LFCCGMM[16]方案,以及與本文一致的特征前端提取方法Rawnet2[17]作為對比。實驗結(jié)果如表1 所示,表中加粗的方法是本文提出的試驗方案,其中GAT表示采用基于圖注意力的網(wǎng)絡(luò)、BCE 表示損失函數(shù)中采用了二分類交叉熵損失、FS 表示采用隨機遮擋的數(shù)據(jù)增強方式、BS 表示采用增加背景噪聲的數(shù)據(jù)增強方式、HPF 表示采用高通濾波的數(shù)據(jù)增強方式、SCL[11]表示單中心損失。

    表1 實驗結(jié)果

    通過對比實驗可知,基于圖注意力網(wǎng)絡(luò)結(jié)構(gòu),結(jié)合3 種數(shù)據(jù)增強、單中心損失函數(shù),以及二分類交叉熵損失的方案實現(xiàn)了最佳的效果。對比基準方法LFCC+GMM[16],該方案在EER 指標上低1.66,在t-DCF 指標上低0.044。

    3 結(jié)語

    本文通過端到端的形式直接對原始語音進行鑒偽,利用提取的高層次特征,在基于圖注意力的基礎(chǔ)上,分別得到頻域特征和時域特征,經(jīng)過特征融合后,結(jié)合單中心損失以及二分類交叉熵損失,同時在原始語音數(shù)據(jù)上,新增3 種數(shù)據(jù)增強的組合。相較于其他方案,所提方案在ASVspoof2019 中的LA 數(shù)據(jù)集上實現(xiàn)了更好的指標。

    猜你喜歡
    特征提取特征
    抓住特征巧觀察
    特征提取和最小二乘支持向量機的水下目標識別
    新型冠狀病毒及其流行病學特征認識
    如何表達“特征”
    基于Gazebo仿真環(huán)境的ORB特征提取與比對的研究
    電子制作(2019年15期)2019-08-27 01:12:00
    不忠誠的四個特征
    當代陜西(2019年10期)2019-06-03 10:12:04
    基于Daubechies(dbN)的飛行器音頻特征提取
    電子制作(2018年19期)2018-11-14 02:37:08
    抓住特征巧觀察
    Bagging RCSP腦電特征提取算法
    基于MED和循環(huán)域解調(diào)的多故障特征提取
    婷婷色麻豆天堂久久| 大又大粗又爽又黄少妇毛片口| 欧美 亚洲 国产 日韩一| 欧美人与性动交α欧美精品济南到 | 日韩亚洲欧美综合| 26uuu在线亚洲综合色| 夫妻性生交免费视频一级片| 黑人巨大精品欧美一区二区蜜桃 | 国产亚洲午夜精品一区二区久久| 精品人妻偷拍中文字幕| 免费观看av网站的网址| 亚洲少妇的诱惑av| 毛片一级片免费看久久久久| 亚洲综合色惰| 大话2 男鬼变身卡| 精品一区二区三卡| 久久精品国产亚洲网站| 黑人欧美特级aaaaaa片| 五月伊人婷婷丁香| 波野结衣二区三区在线| 亚洲av成人精品一区久久| 午夜激情av网站| 亚洲情色 制服丝袜| 精品国产乱码久久久久久小说| 久久国产精品大桥未久av| 一级爰片在线观看| 欧美精品亚洲一区二区| 黑人欧美特级aaaaaa片| 免费播放大片免费观看视频在线观看| 欧美日韩综合久久久久久| 国产精品麻豆人妻色哟哟久久| 美女国产高潮福利片在线看| 国产亚洲最大av| 欧美人与性动交α欧美精品济南到 | 免费看不卡的av| 三上悠亚av全集在线观看| av国产久精品久网站免费入址| 777米奇影视久久| 蜜臀久久99精品久久宅男| 看免费成人av毛片| videos熟女内射| 最近2019中文字幕mv第一页| 青青草视频在线视频观看| 菩萨蛮人人尽说江南好唐韦庄| 大话2 男鬼变身卡| 人妻一区二区av| 新久久久久国产一级毛片| 午夜激情av网站| 国精品久久久久久国模美| 成人国语在线视频| 亚洲精品视频女| 黄色一级大片看看| 午夜影院在线不卡| 日本黄色片子视频| 18禁在线无遮挡免费观看视频| 国产国拍精品亚洲av在线观看| 亚洲精品久久久久久婷婷小说| www.av在线官网国产| 夜夜爽夜夜爽视频| 国产精品一二三区在线看| 美女内射精品一级片tv| 日本猛色少妇xxxxx猛交久久| 如日韩欧美国产精品一区二区三区 | 另类亚洲欧美激情| 亚洲不卡免费看| 51国产日韩欧美| 啦啦啦视频在线资源免费观看| 亚洲av.av天堂| 永久免费av网站大全| 伊人久久精品亚洲午夜| 亚洲在久久综合| 岛国毛片在线播放| 亚洲av中文av极速乱| 免费观看av网站的网址| 美女福利国产在线| 一区在线观看完整版| 国产一区二区在线观看日韩| 一级毛片电影观看| 亚洲精品,欧美精品| 中文字幕人妻丝袜制服| 人妻一区二区av| 精品久久久噜噜| 婷婷成人精品国产| 老司机影院成人| 中文字幕av电影在线播放| 男女边吃奶边做爰视频| 精品久久久久久电影网| 亚洲精品久久久久久婷婷小说| 国产av码专区亚洲av| 欧美+日韩+精品| 亚洲第一av免费看| 如何舔出高潮| 久久这里有精品视频免费| 纯流量卡能插随身wifi吗| 日韩 亚洲 欧美在线| 18禁在线无遮挡免费观看视频| 搡老乐熟女国产| 777米奇影视久久| 少妇丰满av| 婷婷色麻豆天堂久久| 欧美三级亚洲精品| 免费大片黄手机在线观看| 一区二区日韩欧美中文字幕 | 狂野欧美激情性xxxx在线观看| 亚洲一级一片aⅴ在线观看| 欧美日韩在线观看h| 亚洲av欧美aⅴ国产| 免费高清在线观看日韩| 人人妻人人爽人人添夜夜欢视频| 日韩视频在线欧美| 九九爱精品视频在线观看| 久久人人爽人人片av| 热99国产精品久久久久久7| 91精品伊人久久大香线蕉| 亚洲国产精品一区三区| 国产一区亚洲一区在线观看| 99热国产这里只有精品6| 日本与韩国留学比较| 男的添女的下面高潮视频| 色网站视频免费| 十八禁网站网址无遮挡| 成人午夜精彩视频在线观看| 国产日韩欧美亚洲二区| 如何舔出高潮| 久久久精品区二区三区| 国产精品一区www在线观看| 午夜老司机福利剧场| 日本av手机在线免费观看| 91久久精品国产一区二区三区| 久久久久视频综合| 亚洲国产av新网站| 91国产中文字幕| 日韩av在线免费看完整版不卡| 永久网站在线| 欧美日韩综合久久久久久| 大香蕉久久网| 欧美激情国产日韩精品一区| 欧美变态另类bdsm刘玥| 成人综合一区亚洲| 97在线人人人人妻| 亚洲精品国产av蜜桃| 性色av一级| 最近的中文字幕免费完整| 女性被躁到高潮视频| 性色avwww在线观看| 国产黄片视频在线免费观看| 久久影院123| 精品一区在线观看国产| 一级a做视频免费观看| 又粗又硬又长又爽又黄的视频| 成人国语在线视频| 极品人妻少妇av视频| 少妇人妻 视频| 欧美bdsm另类| 一区在线观看完整版| 如日韩欧美国产精品一区二区三区 | 亚洲中文av在线| 看免费成人av毛片| 精品人妻熟女毛片av久久网站| 午夜视频国产福利| 久久婷婷青草| 美女中出高潮动态图| 日韩视频在线欧美| 欧美精品高潮呻吟av久久| 精品亚洲成国产av| 伊人久久国产一区二区| 亚洲精品乱码久久久v下载方式| 亚洲国产成人一精品久久久| 亚洲国产欧美日韩在线播放| 亚洲成人一二三区av| 国产无遮挡羞羞视频在线观看| 天堂俺去俺来也www色官网| 少妇熟女欧美另类| 99热6这里只有精品| 一级黄片播放器| 在线免费观看不下载黄p国产| 欧美日韩av久久| 午夜激情av网站| 欧美另类一区| 五月玫瑰六月丁香| 亚洲激情五月婷婷啪啪| 亚洲精品乱码久久久久久按摩| 久久免费观看电影| 国产精品一区二区在线观看99| 两个人免费观看高清视频| 免费人成在线观看视频色| 男女无遮挡免费网站观看| 日韩视频在线欧美| 国产淫语在线视频| av专区在线播放| 久久毛片免费看一区二区三区| 国产又色又爽无遮挡免| 人妻 亚洲 视频| 久久久欧美国产精品| 欧美激情国产日韩精品一区| 成年人免费黄色播放视频| 国产精品一区二区三区四区免费观看| 国产精品一区二区三区四区免费观看| 九草在线视频观看| videosex国产| 美女脱内裤让男人舔精品视频| 国产熟女欧美一区二区| 高清黄色对白视频在线免费看| av网站免费在线观看视频| 一级,二级,三级黄色视频| 蜜臀久久99精品久久宅男| 亚洲美女黄色视频免费看| 日本午夜av视频| 搡女人真爽免费视频火全软件| 色婷婷av一区二区三区视频| 一本—道久久a久久精品蜜桃钙片| 大码成人一级视频| 国产亚洲午夜精品一区二区久久| 91久久精品国产一区二区三区| 国产精品女同一区二区软件| 国产黄片视频在线免费观看| 男男h啪啪无遮挡| 婷婷色综合www| 丝袜脚勾引网站| 国产精品国产三级国产专区5o| 蜜桃国产av成人99| 内地一区二区视频在线| 日本91视频免费播放| 成年女人在线观看亚洲视频| 免费看不卡的av| 精品少妇黑人巨大在线播放| 国产精品一区二区三区四区免费观看| 夫妻性生交免费视频一级片| 国产免费福利视频在线观看| 久久免费观看电影| 91国产中文字幕| 亚洲av成人精品一二三区| 我的女老师完整版在线观看| 国产男女内射视频| 久久影院123| 久久国产亚洲av麻豆专区| 婷婷色综合www| 国产黄色视频一区二区在线观看| 国产乱来视频区| 三上悠亚av全集在线观看| 免费黄频网站在线观看国产| 99久久精品一区二区三区| 高清视频免费观看一区二区| 色94色欧美一区二区| 日本-黄色视频高清免费观看| 欧美精品一区二区大全| 婷婷色麻豆天堂久久| 国产欧美日韩综合在线一区二区| 女人精品久久久久毛片| √禁漫天堂资源中文www| 综合色丁香网| 少妇猛男粗大的猛烈进出视频| 插阴视频在线观看视频| 国产黄色视频一区二区在线观看| 亚洲精品中文字幕在线视频| 涩涩av久久男人的天堂| 日韩电影二区| 在线精品无人区一区二区三| 大陆偷拍与自拍| 国产永久视频网站| 亚洲熟女精品中文字幕| 中国三级夫妇交换| 国产高清国产精品国产三级| 国产免费视频播放在线视频| 亚洲精品日本国产第一区| 亚洲成人一二三区av| 日本91视频免费播放| 日韩在线高清观看一区二区三区| 看十八女毛片水多多多| 人成视频在线观看免费观看| 黄片无遮挡物在线观看| 最近最新中文字幕免费大全7| 91久久精品国产一区二区三区| 91精品伊人久久大香线蕉| 国产精品一区www在线观看| 18禁动态无遮挡网站| 中文字幕久久专区| 伊人久久精品亚洲午夜| 国产成人精品久久久久久| av播播在线观看一区| 成人国语在线视频| 美女xxoo啪啪120秒动态图| 精品久久久精品久久久| 三级国产精品片| 一个人免费看片子| 欧美激情国产日韩精品一区| 久久人妻熟女aⅴ| 欧美精品一区二区免费开放| 各种免费的搞黄视频| 人人妻人人添人人爽欧美一区卜| 中文字幕精品免费在线观看视频 | 少妇人妻久久综合中文| 91久久精品国产一区二区三区| 热re99久久国产66热| 久久久久国产精品人妻一区二区| 欧美成人午夜免费资源| 亚洲人成网站在线观看播放| 久久女婷五月综合色啪小说| 18在线观看网站| 我的女老师完整版在线观看| 天堂8中文在线网| 2021少妇久久久久久久久久久| 妹子高潮喷水视频| 大又大粗又爽又黄少妇毛片口| av有码第一页| a级毛片在线看网站| 精品一区二区免费观看| 欧美性感艳星| 在线 av 中文字幕| 欧美成人午夜免费资源| 91精品一卡2卡3卡4卡| 亚洲第一区二区三区不卡| 国产精品一国产av| 色哟哟·www| 成人无遮挡网站| 性色av一级| h视频一区二区三区| 国产成人精品在线电影| 成人手机av| 国产亚洲欧美精品永久| 亚洲高清免费不卡视频| 99热全是精品| 黄色欧美视频在线观看| 波野结衣二区三区在线| 欧美精品一区二区免费开放| 国产男女内射视频| 午夜91福利影院| 91精品国产九色| 少妇的逼水好多| 天堂中文最新版在线下载| 国产国语露脸激情在线看| 中国国产av一级| 国产精品熟女久久久久浪| 蜜桃久久精品国产亚洲av| 久久av网站| 久久久久久久久久久久大奶| 我的女老师完整版在线观看| 高清不卡的av网站| 国产69精品久久久久777片| h视频一区二区三区| 中文字幕人妻丝袜制服| 亚洲欧美成人综合另类久久久| 免费大片18禁| 曰老女人黄片| 18+在线观看网站| 日韩制服骚丝袜av| 人人澡人人妻人| 亚洲欧洲日产国产| 国产免费视频播放在线视频| 精品人妻熟女av久视频| 久久狼人影院| 女性生殖器流出的白浆| 免费大片黄手机在线观看| 韩国高清视频一区二区三区| 亚洲国产精品成人久久小说| 老熟女久久久| 久久久久国产网址| 日本av免费视频播放| 久久久久人妻精品一区果冻| 国产精品99久久99久久久不卡 | 久久久久久人妻| 免费看光身美女| 久久99精品国语久久久| a级毛片免费高清观看在线播放| 老司机影院成人| 亚洲欧美色中文字幕在线| 黑丝袜美女国产一区| 少妇人妻 视频| 久久国产亚洲av麻豆专区| 如何舔出高潮| 精品人妻熟女毛片av久久网站| 免费人妻精品一区二区三区视频| 丰满乱子伦码专区| 国产精品99久久99久久久不卡 | 天天影视国产精品| 国产有黄有色有爽视频| 99久久中文字幕三级久久日本| 精品国产国语对白av| 国产深夜福利视频在线观看| 黄色一级大片看看| 国产熟女午夜一区二区三区 | 80岁老熟妇乱子伦牲交| 伊人亚洲综合成人网| 有码 亚洲区| 简卡轻食公司| 一区二区日韩欧美中文字幕 | 夜夜爽夜夜爽视频| 大话2 男鬼变身卡| xxx大片免费视频| 亚洲av免费高清在线观看| 欧美精品高潮呻吟av久久| 国产精品国产三级专区第一集| 一级a做视频免费观看| 久久久久精品性色| 久久婷婷青草| 亚洲一区二区三区欧美精品| 男女国产视频网站| 最近的中文字幕免费完整| 久久久精品免费免费高清| 欧美精品人与动牲交sv欧美| 精品久久国产蜜桃| 狂野欧美激情性bbbbbb| 国产成人午夜福利电影在线观看| 午夜日本视频在线| 中国国产av一级| 蜜桃国产av成人99| 看免费成人av毛片| 91成人精品电影| 精品国产一区二区三区久久久樱花| 国产成人91sexporn| 日韩免费高清中文字幕av| av在线老鸭窝| 交换朋友夫妻互换小说| 国产亚洲最大av| 国产无遮挡羞羞视频在线观看| 黄色配什么色好看| 菩萨蛮人人尽说江南好唐韦庄| 性色avwww在线观看| 亚洲欧美色中文字幕在线| 永久免费av网站大全| 欧美另类一区| 国产精品一二三区在线看| 亚洲在久久综合| 人人妻人人澡人人看| 日韩欧美精品免费久久| 亚洲av成人精品一区久久| 成人毛片a级毛片在线播放| 男女国产视频网站| 欧美丝袜亚洲另类| www.av在线官网国产| 日韩制服骚丝袜av| av不卡在线播放| 日韩欧美一区视频在线观看| 午夜日本视频在线| 观看美女的网站| 亚洲美女搞黄在线观看| 一级毛片黄色毛片免费观看视频| 午夜激情久久久久久久| 午夜激情福利司机影院| 亚洲在久久综合| 亚洲国产av影院在线观看| 国产亚洲精品久久久com| 青春草视频在线免费观看| 亚洲av中文av极速乱| 久久久久久久精品精品| 亚洲图色成人| 久久99一区二区三区| 亚洲欧洲精品一区二区精品久久久 | 人妻夜夜爽99麻豆av| 中文字幕最新亚洲高清| 亚洲国产欧美日韩在线播放| 大陆偷拍与自拍| 色哟哟·www| 国产精品久久久久久精品古装| 成人亚洲精品一区在线观看| 大码成人一级视频| 久久精品国产亚洲网站| 国产精品一区二区三区四区免费观看| 国产成人免费观看mmmm| a 毛片基地| 久久精品国产亚洲av涩爱| 亚洲综合色惰| 水蜜桃什么品种好| 国产在线视频一区二区| 99久久中文字幕三级久久日本| 成年av动漫网址| 看十八女毛片水多多多| 国产精品人妻久久久影院| 一边摸一边做爽爽视频免费| 精品酒店卫生间| 亚洲综合色网址| 久久精品夜色国产| 国产精品一区二区三区四区免费观看| 亚洲一级一片aⅴ在线观看| 少妇人妻精品综合一区二区| 免费大片黄手机在线观看| 日韩三级伦理在线观看| 日韩一区二区三区影片| 久久女婷五月综合色啪小说| 中文精品一卡2卡3卡4更新| 国产黄色视频一区二区在线观看| 国产成人freesex在线| 亚州av有码| 超碰97精品在线观看| 你懂的网址亚洲精品在线观看| 成人影院久久| 伊人久久国产一区二区| 91午夜精品亚洲一区二区三区| 免费观看无遮挡的男女| 大又大粗又爽又黄少妇毛片口| 亚洲天堂av无毛| 老司机亚洲免费影院| 精品人妻熟女毛片av久久网站| 免费不卡的大黄色大毛片视频在线观看| 韩国av在线不卡| 老司机影院毛片| 久久午夜综合久久蜜桃| 精品人妻一区二区三区麻豆| 午夜日本视频在线| 国产免费一区二区三区四区乱码| 久久毛片免费看一区二区三区| 亚洲欧美成人综合另类久久久| 国产精品99久久99久久久不卡 | 久久精品国产亚洲av涩爱| 日韩中文字幕视频在线看片| 妹子高潮喷水视频| 亚洲欧美一区二区三区黑人 | 亚洲第一av免费看| 91aial.com中文字幕在线观看| 久久国内精品自在自线图片| 久久精品国产亚洲av涩爱| 中文精品一卡2卡3卡4更新| 飞空精品影院首页| 欧美精品一区二区大全| 国产精品久久久久久av不卡| 少妇被粗大的猛进出69影院 | 久久久久国产网址| 有码 亚洲区| 亚洲精品一区蜜桃| 日本与韩国留学比较| 国内精品宾馆在线| 看免费成人av毛片| 国国产精品蜜臀av免费| 在线观看人妻少妇| 3wmmmm亚洲av在线观看| 狂野欧美激情性bbbbbb| 夜夜看夜夜爽夜夜摸| 最近中文字幕高清免费大全6| 99久久精品一区二区三区| 久久久久久久久大av| 丝袜在线中文字幕| av在线app专区| 日本午夜av视频| 秋霞在线观看毛片| 男女免费视频国产| 亚洲婷婷狠狠爱综合网| 99国产精品免费福利视频| 国产亚洲午夜精品一区二区久久| 精品亚洲成a人片在线观看| 亚洲精品日韩av片在线观看| 51国产日韩欧美| 亚洲欧美精品自产自拍| 热re99久久国产66热| 国产精品99久久久久久久久| 免费av中文字幕在线| 久久久国产欧美日韩av| 欧美bdsm另类| 啦啦啦啦在线视频资源| 国产精品 国内视频| 99久国产av精品国产电影| .国产精品久久| 日日爽夜夜爽网站| 国产成人一区二区在线| 国产精品三级大全| 在线观看一区二区三区激情| 日本wwww免费看| 女的被弄到高潮叫床怎么办| 在线观看免费日韩欧美大片 | 日本免费在线观看一区| 亚洲成人手机| 国产在线免费精品| 人人妻人人添人人爽欧美一区卜| 国产精品国产av在线观看| 高清av免费在线| 亚洲第一av免费看| 一本—道久久a久久精品蜜桃钙片| 免费黄网站久久成人精品| 亚洲精品日韩av片在线观看| 国产精品国产三级国产专区5o| 精品人妻偷拍中文字幕| 成年人午夜在线观看视频| 日本-黄色视频高清免费观看| 午夜91福利影院| .国产精品久久| 卡戴珊不雅视频在线播放| 亚洲国产日韩一区二区| 国产成人av激情在线播放 | 三级国产精品欧美在线观看| 亚洲欧美清纯卡通| 国产av码专区亚洲av| 午夜福利视频精品| 青春草视频在线免费观看| av福利片在线| 国产精品蜜桃在线观看| 高清黄色对白视频在线免费看| 一级二级三级毛片免费看| 亚洲精华国产精华液的使用体验| a级毛片免费高清观看在线播放| 久久这里有精品视频免费| 九色成人免费人妻av| 精品视频人人做人人爽| 高清av免费在线| 亚洲精品久久成人aⅴ小说 | 精品久久久精品久久久| 成人亚洲欧美一区二区av| 王馨瑶露胸无遮挡在线观看| 免费av不卡在线播放| 亚洲婷婷狠狠爱综合网| 亚洲av二区三区四区| 亚洲成人手机| 看免费成人av毛片| av一本久久久久| 久久久久久久亚洲中文字幕| 亚洲欧美成人综合另类久久久| 成人18禁高潮啪啪吃奶动态图 | 大香蕉久久网| 制服人妻中文乱码| 伦精品一区二区三区| 久久人人爽av亚洲精品天堂| 国产av一区二区精品久久| 男女高潮啪啪啪动态图| 黄色欧美视频在线观看| 亚洲av福利一区| 久久婷婷青草| 爱豆传媒免费全集在线观看|