• <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 ?

    基于神經(jīng)網(wǎng)絡(luò)的語(yǔ)音信號(hào)識(shí)別與分類

    2023-12-18 08:58:04薛雅潔賀紅霞
    現(xiàn)代電子技術(shù) 2023年24期
    關(guān)鍵詞:音素字符聲學(xué)

    薛雅潔, 賀紅霞, 楊 祎

    (西安郵電大學(xué) 電子工程學(xué)院, 陜西 西安 710061)

    0 引 言

    人類對(duì)于語(yǔ)音識(shí)別技術(shù)的研究開始于20 世紀(jì)50年代初,最初是在貝爾實(shí)驗(yàn)室通過簡(jiǎn)單地提取元音字母的共振峰信息,實(shí)現(xiàn)了單個(gè)單詞的語(yǔ)音識(shí)別[1]。直到1970 年,李開復(fù)教授首次將隱馬爾可夫模型引入到語(yǔ)音識(shí)別中,提出了高斯混合模型(Gaussian Mixture Model, GMM)加隱馬爾科夫模型(Hidden Markov Model, HMM)的GMM-HMM 模型[2]。隨后的研究逐漸開始采用深度神經(jīng)網(wǎng)絡(luò)(Deep Neural Network, DNN)進(jìn)行自動(dòng)學(xué)習(xí)實(shí)現(xiàn)特征表示的方法來(lái)取代高斯混合模型。文獻(xiàn)[3]中將傳統(tǒng)識(shí)別方法與神經(jīng)網(wǎng)絡(luò)識(shí)別方法做了對(duì)比,相對(duì)于經(jīng)典GMM 模型,深度學(xué)習(xí)技術(shù)對(duì)語(yǔ)音識(shí)別能夠提取更加精準(zhǔn)的特征信息,從而使得在DNN 和HMM的結(jié)合應(yīng)用下,語(yǔ)音識(shí)別技術(shù)的系統(tǒng)識(shí)錯(cuò)率大幅下降[4]。

    目前主流的語(yǔ)音識(shí)別技術(shù)都是以大詞匯連續(xù)語(yǔ)音和深度神經(jīng)網(wǎng)絡(luò)為基礎(chǔ)的,根據(jù)不同的實(shí)際情況和數(shù)據(jù)特征對(duì)傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)進(jìn)行了相關(guān)的改進(jìn),相對(duì)于經(jīng)典的DNN-HMM 方法,語(yǔ)音信號(hào)識(shí)別與分類性能有了較大的改善。

    在現(xiàn)有的端對(duì)端的語(yǔ)音識(shí)別技術(shù)上以.wav 模式音頻文件為識(shí)別對(duì)象,分別采用深度全序列卷積神經(jīng)網(wǎng)絡(luò)(Deep Full Convolutional Neural Network, DFCNN)模型和Transformer 模型作為語(yǔ)音識(shí)別的聲學(xué)模型和語(yǔ)言模型,并在DFCNN 輸出時(shí)連接基于損耗函數(shù)(Connectionist Temporal Classification, CTC)的損失函數(shù)進(jìn)行語(yǔ)音識(shí)別,研究傳統(tǒng)語(yǔ)音識(shí)別與該算法的識(shí)別準(zhǔn)確率、復(fù)雜度等方面的異同。

    1 語(yǔ)音信號(hào)識(shí)別基本原理

    1.1 語(yǔ)音信號(hào)預(yù)處理

    語(yǔ)音信號(hào)預(yù)處理一般包括數(shù)字化(將采集的模擬信號(hào)離散為數(shù)字信號(hào))、預(yù)加重(就是對(duì)信號(hào)中的高頻加重,去除口唇輻射的影響)、端點(diǎn)檢測(cè)(識(shí)別出靜音段,消除長(zhǎng)時(shí)間靜音段,減少對(duì)信號(hào)的干擾)、分幀、加窗(用矩形窗、漢明窗、漢寧窗等常用函數(shù)實(shí)現(xiàn))等步驟[5]。

    為了降低干擾,在進(jìn)行語(yǔ)音識(shí)別之前,首先要對(duì)語(yǔ)音的前后端進(jìn)行消音切除。切割工作采用端點(diǎn)檢測(cè)技術(shù)(Voice Activity Detection, VAD),又稱語(yǔ)音端點(diǎn)檢測(cè)技術(shù),對(duì)信號(hào)進(jìn)行處理。分幀是利用語(yǔ)音信號(hào)具有短時(shí)平穩(wěn)性把語(yǔ)音變成很多小段。分幀通過可移動(dòng)的有限長(zhǎng)度窗口進(jìn)行加權(quán)的方法來(lái)實(shí)現(xiàn)。圖1 表示幀長(zhǎng)為N、幀移為M的語(yǔ)音分幀過程,即相鄰兩幀間會(huì)有Mms 的重疊,每幀長(zhǎng)度為N+M。

    圖1 語(yǔ)音分幀過程

    使用漢明窗對(duì)語(yǔ)音信號(hào)進(jìn)行加窗操作。使用的漢明窗為:

    式中N′為窗口寬度。

    由于在時(shí)域內(nèi)很難觀察到信號(hào)的特性,因此必須把時(shí)域特性轉(zhuǎn)化為頻域的能量分配,從而判斷出信號(hào)的特性[6]。對(duì)信號(hào)進(jìn)行傅里葉變換,從而獲得頻譜和能量分布。傅里葉變換的計(jì)算和能量分布計(jì)算的表達(dá)式為:

    式中:N為信號(hào)周期;S(n)為指數(shù)形式傅里葉變換系數(shù)。

    1.2 聲學(xué)特征提取

    接下來(lái)進(jìn)行聲學(xué)特征的提取,在經(jīng)典語(yǔ)音識(shí)別的方法中,最常用的語(yǔ)音特征提取技術(shù)是梅爾倒譜系數(shù)(Mel-Scale Frequency Cepstral Coefficients, MFCC)特征提取方法。特征提取的基本原則是,把每個(gè)信號(hào)的波形變換為多維矢量,使得機(jī)器能夠很容易地了解包含在矢量中的幀內(nèi)音頻信息的內(nèi)容。在此應(yīng)用基于濾波器組的特征(Filter Bank, Fbank)聲學(xué)特征提取技術(shù)。

    Fbank 聲學(xué)特征是根據(jù)人耳的生理特性,把每一幀波形變成一個(gè)多維向量,可以簡(jiǎn)單地理解為這個(gè)向量包含了這幀語(yǔ)音的內(nèi)容信息。Fbank 特征提取步驟如圖2所示,基本原理是:先將線性頻譜映射到基于聽覺感知的梅爾濾波器的非線性頻譜中,然后轉(zhuǎn)換到倒譜上就可以得到所需音頻初步特征[7]。

    圖2 Fbank 特征提取步驟

    與MFCC 方法相比,F(xiàn)bank 特征提取方法在深度神經(jīng)網(wǎng)絡(luò)中有更優(yōu)異的表現(xiàn)[8]。提取Fbank 特征之后,就可以得到信號(hào)的能量譜,譜的橫軸為時(shí)間,縱軸為頻率,亮的表示高振幅,暗的表示低振幅[9]。

    1.3 聲學(xué)模型和語(yǔ)言模型

    在得到語(yǔ)譜圖后就需要引入音素的概念。對(duì)于漢語(yǔ)而言,一般將全部聲母和韻母作為音素集。語(yǔ)音識(shí)別的初級(jí)階段是把幀識(shí)別成狀態(tài),把狀態(tài)組合成音素,把音素組合成單詞。建立聲學(xué)模型的目的是建立語(yǔ)音與相應(yīng)語(yǔ)言音素的聯(lián)系。通過使用大量的語(yǔ)音數(shù)據(jù)訓(xùn)練聲學(xué)模型,從模型中得到單詞組合對(duì)應(yīng)的概率,從而就可以知道每一幀對(duì)應(yīng)的音素的概率,最終將語(yǔ)音對(duì)應(yīng)的音素或單詞識(shí)別出來(lái)。

    在聲學(xué)模型搭建完成后需要進(jìn)行語(yǔ)言模型的搭建。語(yǔ)言模型是一種可以在大量詞匯的識(shí)別中找到識(shí)別的最優(yōu)路徑,計(jì)算出任何句子識(shí)別概率的概率模型。語(yǔ)言模型由語(yǔ)法網(wǎng)絡(luò)和統(tǒng)計(jì)架構(gòu)組成,在該模型中可以對(duì)語(yǔ)法和語(yǔ)義進(jìn)行分析,使得在復(fù)雜系統(tǒng)中可以根據(jù)語(yǔ)義、語(yǔ)法及語(yǔ)言模型及時(shí)進(jìn)行識(shí)別和修正。聲學(xué)模型和語(yǔ)言模型原理示意圖如圖3 所示。

    圖3 聲學(xué)模型和語(yǔ)言模型原理圖

    2 端對(duì)端的語(yǔ)音識(shí)別算法

    2.1 DFCNN 聲學(xué)模型

    DFCNN 能夠利用大量的卷積層對(duì)整個(gè)句子進(jìn)行建模。DFCNN 采用了最優(yōu)網(wǎng)絡(luò)結(jié)構(gòu),每一卷積都使用3×3的小卷積核,并在多卷積后添加一個(gè)池化層,以改善網(wǎng)絡(luò)的表達(dá)能力。

    同時(shí),DFCNN 可以顯示較長(zhǎng)的歷史和未來(lái)的數(shù)據(jù),從而可以較好地描述長(zhǎng)期相關(guān)特性,也比關(guān)系網(wǎng)絡(luò)(Relation Network, RN)網(wǎng)絡(luò)、長(zhǎng)短期記憶(Long Short-Term Memory, LSTM)網(wǎng)絡(luò)等具有更強(qiáng)的魯棒性[10]。

    把語(yǔ)譜圖作為DFCNN 的輸入。在模型的構(gòu)造上,提出一種基于圖像的識(shí)別方法。在多個(gè)卷積層之后,再添加一個(gè)池化層,形成一個(gè)小型的卷積核,迭代2 次,能夠更加準(zhǔn)確地提取語(yǔ)音信號(hào)的信息。DFCNN 采用時(shí)間和頻率兩個(gè)維度,用大量的卷積層和池化層實(shí)現(xiàn)全局建模。DFCNN 的結(jié)構(gòu)示意圖如圖4 所示。

    圖4 DFCNN 結(jié)構(gòu)示意圖

    DFCNN 的具體實(shí)現(xiàn)步驟是:在對(duì)時(shí)域信號(hào)進(jìn)行預(yù)處理和聲學(xué)特征提取后得到語(yǔ)譜圖;在每次卷積時(shí)都采用3×3 的小卷積核,并在多層卷積后添加一個(gè)池化層,這使網(wǎng)絡(luò)的表達(dá)能力得到改善。DFCNN 的卷積層與池化層的結(jié)構(gòu)示意圖分別如圖5 和圖6 所示。池化有最大池化和平均池化兩種,在此采用最大池化。

    圖5 卷積層結(jié)構(gòu)示意圖

    圖6 池化層結(jié)構(gòu)示意圖

    在輸出端,DFCNN 以語(yǔ)音作為輸入,可以連接CTC損失函數(shù),CTC 的輸出端直接與最終識(shí)別結(jié)果進(jìn)行匹配,不需要手動(dòng)對(duì)齊,提高了算法的效率。

    2.2 基于注意力機(jī)制的Transformer 語(yǔ)言模型

    視覺注意力機(jī)制是一種特殊的腦信息加工機(jī)制,在對(duì)整個(gè)圖像進(jìn)行快速掃描時(shí),可以得到需要注意的目標(biāo),然后將更多的精力放在該區(qū)域上,從而得到更多的信息。視覺注意力機(jī)理特性使得其在處理過程中提升了模型的效率和精確度。

    從本質(zhì)上看,深度學(xué)習(xí)的注意力機(jī)制與人類的選擇性注意力機(jī)制相似,它的核心目標(biāo)就是從大量的信息中篩選出對(duì)當(dāng)前任務(wù)重要的信息。目前,大部分注意力模型均作用于編碼到解碼過程,可以通過它來(lái)理解深度學(xué)習(xí)中的注意力模式。

    語(yǔ)言模型采用基于注意力機(jī)制的Transformer 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)實(shí)現(xiàn)。Transformer 是一種完全基于注意力機(jī)制的網(wǎng)絡(luò)框架,其采用注意力機(jī)制主要是因?yàn)橐粋€(gè)序列每個(gè)字符對(duì)其上下文字符的影響作用都不同,每個(gè)字符對(duì)序列的語(yǔ)義信息貢獻(xiàn)也不同,可以采用一種機(jī)制將原輸入序列中字符向量通過加權(quán)融合序列中所有字符的語(yǔ)義向量信息來(lái)產(chǎn)生新的向量,從而達(dá)到增強(qiáng)原語(yǔ)義信息的作用[11]。采用的Transformer 編碼器結(jié)構(gòu)示意圖如圖7 所示。

    圖7 Transformer 編碼網(wǎng)絡(luò)結(jié)構(gòu)圖

    在語(yǔ)言研究中,僅需要搭建編碼器encoder 結(jié)構(gòu)即可。encoder 由6 個(gè)相同的layers 組成,每一層包含兩個(gè)sub-layers。第一層sub-layer 就是多頭注意力層(Multi-Head Attention Layer),然后是一個(gè)簡(jiǎn)單的全連接層。其中,每個(gè)sub - layer 都加了殘差連接(Residual Connection)和歸一化(Normalization)模塊[12]。

    Attention 機(jī)制的核心工作原理是:把Source 中的組成要素看作是一組數(shù)據(jù)組,包含一組“Key, Value”,給出目標(biāo)中的一個(gè)元素Query,通過計(jì)算Query 和單個(gè)Key 的相關(guān)關(guān)系,得出每個(gè)Key 的Value 權(quán)重,再將加權(quán)相加,得出最后的Attention 的值?;镜腁ttention 機(jī)制是將Source 中的價(jià)值加權(quán)相加,而Query 和Key 則用于計(jì)算相應(yīng)價(jià)值的權(quán)值[13]。從概念上講,Attention 就是將一小部分的重要信息從海量的信息中剔除出來(lái),然后將“注意力”集中在這些信息上,忽略那些無(wú)關(guān)緊要的。焦點(diǎn)反映在權(quán)值的計(jì)算中,權(quán)值愈大,則表明相應(yīng)的“注意力”越集中。

    Attention 機(jī)制示意圖如圖8 所示。

    圖8 Attention 機(jī)制示意圖

    語(yǔ)言模型搭建的實(shí)現(xiàn)步驟包括:定義歸一化層(Normalize)、定義嵌入層(Embedding)、創(chuàng)建多頭注意力層(Multi-head Attention Layer)、定義多頭注意力層、定義前饋層(Feed Forward)、定義標(biāo)簽平滑層(Label_Smoothing)。綜合上述各個(gè)層,建立一套完整的語(yǔ)言模型,并根據(jù)該模型對(duì)訓(xùn)練數(shù)據(jù)及參數(shù)做充分的準(zhǔn)備。

    2.3 CTC 損失函數(shù)

    在語(yǔ)音識(shí)別中,要求音位與被譯出的文字之間能夠一一對(duì)應(yīng)。語(yǔ)音數(shù)據(jù)對(duì)齊原理示意圖如圖9 所示。

    圖9 語(yǔ)音數(shù)據(jù)對(duì)齊原理示意圖

    CTC 能夠改善輸入與輸出之間不能一一對(duì)應(yīng)的問題。輸入語(yǔ)音信息后,假設(shè)每一個(gè)音位原本應(yīng)對(duì)應(yīng)cat,如果聲音被拉得太長(zhǎng),就會(huì)出現(xiàn)重復(fù),此時(shí)CTC 功能會(huì)自動(dòng)選取一個(gè)相似的音素作為記號(hào)。此時(shí),CTC 損失函數(shù)會(huì)引入一個(gè)空白(Blank)字符來(lái)表示語(yǔ)音中停頓的部分,然后在停頓的部分自動(dòng)補(bǔ)上空白的字符,這樣重疊的音素就可能被忽略掉。

    CTC 會(huì)自動(dòng)合并相鄰的相同字符。當(dāng)這些相鄰的字符中出現(xiàn)停頓,就會(huì)自動(dòng)加入空格將兩個(gè)相鄰的字符隔開,這樣就實(shí)現(xiàn)了將雙字符隔開的操作。

    CTC 引進(jìn)了Blank 字符,每一種預(yù)測(cè)值的類別都與一段語(yǔ)音中的一個(gè)峰值相對(duì)應(yīng)[14],其他非峰值的默認(rèn)為Blank,輸出一系列的非連續(xù)峰值[15],可以將CTC 序列問題形式轉(zhuǎn)化為函數(shù)形式。設(shè)定單詞的表尺寸為n,則CTC 序列目標(biāo)為一個(gè)n維的多項(xiàng)式概率分布。

    式中:Nw表示神經(jīng)網(wǎng)絡(luò)模型的變換;序列目標(biāo)為字符串,也就是輸出為n維多項(xiàng)概率分布,n為詞表的個(gè)數(shù)。

    該n維的多項(xiàng)式概率分布的網(wǎng)絡(luò)輸出形式為y=Nw,t時(shí)刻k項(xiàng)的概率為

    在CTC 中引入特殊的Blank 字符“%”,原先重疊部分被賦為“%”。定義輸出的字符為“B”,然后,合并連續(xù)的符號(hào)且刪除Blank 字符。比如,對(duì)于輸出的字符“aa% bb%% cc”,經(jīng)過合并連續(xù)的符號(hào)且刪除Blank 字符后,實(shí)際輸出為“abc”。隨著Blank 和“B”被導(dǎo)入,就能得到一個(gè)普通映射。CTC 采用極大似然判據(jù),得到了一種有條件的可能性概率:

    式中:BT(l)表示一組輸出結(jié)果長(zhǎng)度為T的字符串的集合;π表示一條由L中元素組成的長(zhǎng)度為T的路徑。

    相對(duì)于輸入,CTC 假定輸出的可能性是獨(dú)立的,即:

    式中:CTC 假設(shè)輸出的概率是條件獨(dú)立的,因此路徑π的概率為它各個(gè)時(shí)刻經(jīng)過某個(gè)音素的概率相乘,即ytπt。

    3 仿真與結(jié)果分析

    使用Jupyter Notebooker 平臺(tái)驗(yàn)證算法的性能。仿真實(shí)驗(yàn)使用的數(shù)據(jù)集為清華大學(xué)中文語(yǔ)料庫(kù)THCHS30。該數(shù)據(jù)集中,訓(xùn)練(train)數(shù)據(jù)集音頻時(shí)長(zhǎng)為25 h,句子數(shù)為10 000,詞數(shù)為198 252;檢驗(yàn)(dev)數(shù)據(jù)集的音頻時(shí)長(zhǎng)為2 h 14 min,有893 個(gè)語(yǔ)句,有17 743 個(gè)單詞;測(cè)試(test)數(shù)據(jù)集音頻時(shí)長(zhǎng)為6 h 15 min,句子數(shù)為2 495,詞數(shù)為49 085。

    搭建好聲學(xué)模型和語(yǔ)言模型,訓(xùn)練和測(cè)試完成后,對(duì)已經(jīng)錄制好的6 個(gè)*.wav 中文語(yǔ)言文件進(jìn)行識(shí)別。語(yǔ)音識(shí)別部分仿真結(jié)果如圖10 所示。

    圖10 語(yǔ)音識(shí)別部分仿真結(jié)果

    由圖10 可以看出,語(yǔ)音識(shí)別的準(zhǔn)確率較高,但是識(shí)別的結(jié)果還是有一定的錯(cuò)誤,如:“難忘”識(shí)別結(jié)果“難望”,“翻騰蛹動(dòng)”識(shí)別為“翻騰泳動(dòng)”等。

    對(duì)上述6 個(gè)樣本進(jìn)行了30 次實(shí)驗(yàn),30 次實(shí)驗(yàn)識(shí)別的平均正確率如表1 所示。

    由表1 可以看出,所提方法的語(yǔ)音識(shí)別準(zhǔn)確率在94%附近波動(dòng),樣本識(shí)別的正確率較高。

    4 結(jié) 語(yǔ)

    通過語(yǔ)音信號(hào)預(yù)處理提取聲學(xué)特征,構(gòu)建卷積神經(jīng)網(wǎng)絡(luò)聲學(xué)模型和Transformer 語(yǔ)言模型,結(jié)合CTC 損失函數(shù)完成語(yǔ)言識(shí)別。仿真結(jié)果表明,所提方法能夠?qū)崿F(xiàn)端到端語(yǔ)音識(shí)別,也能夠有效地進(jìn)行連續(xù)多字符的中文語(yǔ)音識(shí)別,達(dá)到了對(duì)中文音頻文件進(jìn)行識(shí)別并輸出對(duì)應(yīng)識(shí)別文字的效果,識(shí)別的正確率較高。然而在實(shí)踐中,方言、語(yǔ)速、情緒、斷句、性別、年齡等諸多因素,會(huì)對(duì)語(yǔ)音識(shí)別產(chǎn)生一定的影響,因此,要想提高辨識(shí)精度,就必須要有更多的深度卷積以及更多復(fù)雜的語(yǔ)言訓(xùn)練。

    另外,系統(tǒng)識(shí)別的準(zhǔn)確率還有待提升,需要加大對(duì)噪聲的處理能力以及系統(tǒng)的抗干擾性,提高對(duì)數(shù)據(jù)集的接納性,使得系統(tǒng)更加穩(wěn)定的運(yùn)行,讓語(yǔ)音識(shí)別系統(tǒng)應(yīng)用場(chǎng)景更廣。未來(lái)若想要實(shí)現(xiàn)更加復(fù)雜龐大的語(yǔ)言識(shí)別系統(tǒng),除了進(jìn)行普通話的訓(xùn)練之外,還需要對(duì)方言的聲學(xué)特征進(jìn)行研究和分析,使得識(shí)別系統(tǒng)能夠更加穩(wěn)定、準(zhǔn)確。

    猜你喜歡
    音素字符聲學(xué)
    新目標(biāo)英語(yǔ)七年級(jí)(上)Starter Units 1-3 STEP BY STEP 隨堂通
    尋找更強(qiáng)的字符映射管理器
    依托繪本課程,培養(yǎng)學(xué)生英語(yǔ)音素意識(shí)
    愛的就是這股Hi-Fi味 Davis Acoustics(戴維斯聲學(xué))Balthus 70
    字符代表幾
    小學(xué)英語(yǔ)課堂中音素意識(shí)與自然拼讀整合訓(xùn)練的探索
    一種USB接口字符液晶控制器設(shè)計(jì)
    電子制作(2019年19期)2019-11-23 08:41:50
    Acoustical Treatment Primer:Diffusion談?wù)劼晫W(xué)處理中的“擴(kuò)散”
    Acoustical Treatment Primer:Absorption談?wù)劼晫W(xué)處理中的“吸聲”(二)
    消失的殖民村莊和神秘字符
    韩国高清视频一区二区三区| av网站免费在线观看视频| 成人国产麻豆网| a级毛片免费高清观看在线播放| 国产免费视频播放在线视频| 女的被弄到高潮叫床怎么办| 日韩一区二区三区影片| 亚洲国产毛片av蜜桃av| 永久网站在线| 日韩三级伦理在线观看| 在线观看免费高清a一片| 超碰97精品在线观看| 99久久精品一区二区三区| 成人亚洲欧美一区二区av| 观看av在线不卡| 国产精品免费大片| 亚洲国产色片| 午夜免费男女啪啪视频观看| 中文欧美无线码| av一本久久久久| 欧美日韩av久久| 国产免费又黄又爽又色| 美女大奶头黄色视频| 精品午夜福利在线看| 国产在视频线精品| 中文字幕久久专区| 日韩av不卡免费在线播放| 国产亚洲欧美精品永久| 最近2019中文字幕mv第一页| 欧美老熟妇乱子伦牲交| 亚洲精品日韩av片在线观看| 卡戴珊不雅视频在线播放| 一级av片app| 亚洲无线观看免费| 国产真实伦视频高清在线观看| 伦理电影免费视频| 99热这里只有是精品在线观看| 另类亚洲欧美激情| 汤姆久久久久久久影院中文字幕| 国产日韩一区二区三区精品不卡 | 日日摸夜夜添夜夜爱| 免费看av在线观看网站| 99re6热这里在线精品视频| 欧美亚洲 丝袜 人妻 在线| 激情五月婷婷亚洲| 欧美3d第一页| 久久久国产精品麻豆| 欧美bdsm另类| 午夜91福利影院| 又爽又黄a免费视频| h日本视频在线播放| 少妇被粗大猛烈的视频| 最近手机中文字幕大全| 中文字幕久久专区| 精品国产露脸久久av麻豆| 亚洲熟女精品中文字幕| 日韩免费高清中文字幕av| 精品人妻熟女av久视频| 在线观看人妻少妇| 女性生殖器流出的白浆| 亚洲精品自拍成人| 丰满人妻一区二区三区视频av| 91久久精品国产一区二区三区| 一区二区三区免费毛片| 男人狂女人下面高潮的视频| 美女中出高潮动态图| 日本黄色日本黄色录像| 两个人的视频大全免费| 亚洲av成人精品一二三区| 久久人人爽人人爽人人片va| 国语对白做爰xxxⅹ性视频网站| 国产无遮挡羞羞视频在线观看| 91精品伊人久久大香线蕉| 亚洲四区av| 在线观看人妻少妇| 三级经典国产精品| 黄片无遮挡物在线观看| 精品久久久久久久久av| 在线 av 中文字幕| 国产免费又黄又爽又色| 国产熟女欧美一区二区| 欧美bdsm另类| √禁漫天堂资源中文www| 国产精品熟女久久久久浪| 久久久a久久爽久久v久久| 大陆偷拍与自拍| 精品国产乱码久久久久久小说| 国产日韩一区二区三区精品不卡 | 国产精品偷伦视频观看了| 午夜av观看不卡| 91久久精品国产一区二区三区| 美女cb高潮喷水在线观看| 免费黄网站久久成人精品| 日韩,欧美,国产一区二区三区| 欧美精品一区二区免费开放| 偷拍熟女少妇极品色| 一本一本综合久久| videos熟女内射| 成年人免费黄色播放视频 | 成人漫画全彩无遮挡| 简卡轻食公司| 精品久久久噜噜| 日本免费在线观看一区| 免费观看a级毛片全部| a级毛片免费高清观看在线播放| 日日爽夜夜爽网站| 久久97久久精品| 国产亚洲精品久久久com| 乱系列少妇在线播放| 国产一区有黄有色的免费视频| 日韩成人伦理影院| www.av在线官网国产| 大话2 男鬼变身卡| 成人国产麻豆网| 精品一区在线观看国产| av不卡在线播放| 中文字幕制服av| 久久这里有精品视频免费| 波野结衣二区三区在线| 精品人妻偷拍中文字幕| 亚洲av.av天堂| 欧美少妇被猛烈插入视频| videossex国产| 少妇人妻精品综合一区二区| 91成人精品电影| 麻豆成人av视频| 天天操日日干夜夜撸| 久久99热6这里只有精品| 高清毛片免费看| 亚洲欧美成人精品一区二区| 插逼视频在线观看| 婷婷色综合大香蕉| 一级毛片久久久久久久久女| av不卡在线播放| 久久久久久久国产电影| 久久狼人影院| 女人久久www免费人成看片| 一区在线观看完整版| 亚洲国产精品一区三区| 欧美xxxx性猛交bbbb| 国产淫语在线视频| 国产免费福利视频在线观看| 一级毛片 在线播放| 国语对白做爰xxxⅹ性视频网站| 精品亚洲乱码少妇综合久久| 久久久久国产网址| 在线观看免费日韩欧美大片 | 伦理电影免费视频| 欧美精品亚洲一区二区| 一级毛片aaaaaa免费看小| 国产成人精品久久久久久| 成人国产av品久久久| 国产色婷婷99| 亚洲成色77777| 99热国产这里只有精品6| 成人漫画全彩无遮挡| 老司机影院成人| 日本91视频免费播放| 久久久久久久久久人人人人人人| 最新中文字幕久久久久| 高清av免费在线| 国精品久久久久久国模美| 中文字幕亚洲精品专区| 99国产精品免费福利视频| 久久国产乱子免费精品| 黄色怎么调成土黄色| 一边亲一边摸免费视频| videossex国产| 国产高清有码在线观看视频| 久久精品夜色国产| 国产淫片久久久久久久久| 国产精品一二三区在线看| 国产色婷婷99| 在线播放无遮挡| 国产成人精品无人区| 极品人妻少妇av视频| 有码 亚洲区| 中文字幕精品免费在线观看视频 | 80岁老熟妇乱子伦牲交| av.在线天堂| 亚洲精品乱码久久久久久按摩| 91午夜精品亚洲一区二区三区| 免费播放大片免费观看视频在线观看| 成人18禁高潮啪啪吃奶动态图 | 69精品国产乱码久久久| 久久精品久久久久久噜噜老黄| 在线观看三级黄色| 偷拍熟女少妇极品色| 水蜜桃什么品种好| h视频一区二区三区| 大话2 男鬼变身卡| 九色成人免费人妻av| 国内精品宾馆在线| 观看免费一级毛片| 亚洲电影在线观看av| 最近最新中文字幕免费大全7| 久久 成人 亚洲| 内地一区二区视频在线| 国产精品一区二区在线观看99| 日日撸夜夜添| 亚洲综合精品二区| 特大巨黑吊av在线直播| 国产伦理片在线播放av一区| 在线观看免费日韩欧美大片 | 亚洲欧美中文字幕日韩二区| 中文资源天堂在线| 免费播放大片免费观看视频在线观看| 美女cb高潮喷水在线观看| 又爽又黄a免费视频| 午夜福利在线观看免费完整高清在| 国产精品国产三级国产av玫瑰| 国产在视频线精品| 欧美成人午夜免费资源| 制服丝袜香蕉在线| 久久ye,这里只有精品| 男人狂女人下面高潮的视频| 岛国毛片在线播放| 国产成人91sexporn| 国产老妇伦熟女老妇高清| 久久国产精品男人的天堂亚洲 | 欧美日韩av久久| 亚洲丝袜综合中文字幕| 亚洲真实伦在线观看| 天堂8中文在线网| 曰老女人黄片| 国产成人精品一,二区| 你懂的网址亚洲精品在线观看| 菩萨蛮人人尽说江南好唐韦庄| 亚洲欧美日韩卡通动漫| 美女视频免费永久观看网站| 亚洲在久久综合| 日本av免费视频播放| 欧美性感艳星| 秋霞在线观看毛片| 亚洲无线观看免费| 一级,二级,三级黄色视频| 国产高清国产精品国产三级| 免费黄色在线免费观看| 国产av一区二区精品久久| 久久99精品国语久久久| 视频中文字幕在线观看| 国产 精品1| 内射极品少妇av片p| 婷婷色综合大香蕉| 久久97久久精品| 自线自在国产av| 亚洲经典国产精华液单| 亚洲国产av新网站| 亚洲国产最新在线播放| 久久久久久久国产电影| h日本视频在线播放| 一区二区av电影网| 18禁在线无遮挡免费观看视频| 精品99又大又爽又粗少妇毛片| 久久女婷五月综合色啪小说| 七月丁香在线播放| 高清欧美精品videossex| 欧美一级a爱片免费观看看| 插逼视频在线观看| 日本猛色少妇xxxxx猛交久久| 青春草国产在线视频| 国产欧美亚洲国产| 亚洲一级一片aⅴ在线观看| 妹子高潮喷水视频| 国产男女超爽视频在线观看| 国产精品女同一区二区软件| 欧美高清成人免费视频www| 日韩中文字幕视频在线看片| 91成人精品电影| 一区在线观看完整版| 曰老女人黄片| 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| 久久毛片免费看一区二区三区| 女人精品久久久久毛片| 伊人久久国产一区二区| 亚洲怡红院男人天堂| 午夜激情福利司机影院| 肉色欧美久久久久久久蜜桃| 精品国产国语对白av| 亚洲久久久国产精品| 国产成人精品婷婷| 亚洲国产毛片av蜜桃av| 久久午夜综合久久蜜桃| 丝袜喷水一区| 看十八女毛片水多多多| 十分钟在线观看高清视频www | av卡一久久| 成人午夜精彩视频在线观看| 蜜臀久久99精品久久宅男| 国产视频首页在线观看| 99热这里只有是精品在线观看| 久久久久久久久久成人| 国产精品.久久久| av免费观看日本| 亚洲色图综合在线观看| 啦啦啦啦在线视频资源| 国产午夜精品一二区理论片| 国产永久视频网站| 美女xxoo啪啪120秒动态图| 女的被弄到高潮叫床怎么办| .国产精品久久| 久久久久久伊人网av| 王馨瑶露胸无遮挡在线观看| 精品亚洲成国产av| 大话2 男鬼变身卡| 久久午夜综合久久蜜桃| 国产精品蜜桃在线观看| 人人妻人人澡人人爽人人夜夜| 亚洲国产精品专区欧美| 水蜜桃什么品种好| 午夜福利,免费看| 亚洲美女视频黄频| 亚洲精品日本国产第一区| a级一级毛片免费在线观看| 五月伊人婷婷丁香| 午夜91福利影院| 欧美日本中文国产一区发布| 欧美性感艳星| 中国美白少妇内射xxxbb| 国产精品欧美亚洲77777| 国产成人精品一,二区| www.色视频.com| 亚洲国产成人一精品久久久| 日韩伦理黄色片| 热re99久久精品国产66热6| 美女大奶头黄色视频| 春色校园在线视频观看| h日本视频在线播放| 嫩草影院新地址| 日韩在线高清观看一区二区三区| 成人18禁高潮啪啪吃奶动态图 | 91精品一卡2卡3卡4卡| 久久人人爽人人爽人人片va| 国产色婷婷99| 亚洲内射少妇av| 亚洲精品乱码久久久v下载方式| 亚洲精品亚洲一区二区| 少妇丰满av| 美女大奶头黄色视频| 综合色丁香网| 国产爽快片一区二区三区| 国产有黄有色有爽视频| 国产亚洲最大av| av在线app专区| 亚洲激情五月婷婷啪啪| 国产精品欧美亚洲77777| 久久人人爽人人片av| 国产又色又爽无遮挡免| 只有这里有精品99| 亚洲国产精品一区三区| 亚洲国产欧美日韩在线播放 | 国产 一区精品| 国产av国产精品国产| 久久久久久久国产电影| h日本视频在线播放| 99热网站在线观看| 亚洲国产精品成人久久小说| 欧美老熟妇乱子伦牲交| 久久99蜜桃精品久久| 18禁在线无遮挡免费观看视频| 丝袜喷水一区| 久久久亚洲精品成人影院| 亚洲国产精品一区三区| 少妇熟女欧美另类| 三级国产精品欧美在线观看| 国产精品久久久久成人av| 国产高清不卡午夜福利| 精品国产国语对白av| 国产成人精品福利久久| av在线播放精品| 色5月婷婷丁香| 亚洲欧洲精品一区二区精品久久久 | 欧美精品一区二区大全| 亚洲国产色片| 欧美精品一区二区大全| 国产黄色视频一区二区在线观看| 久久热精品热| 麻豆成人午夜福利视频| 久久99一区二区三区| 最近手机中文字幕大全| 免费观看av网站的网址| 一区二区三区免费毛片| 伦理电影大哥的女人| 91在线精品国自产拍蜜月| 国产精品不卡视频一区二区| 国产一区亚洲一区在线观看| 美女中出高潮动态图| 18禁裸乳无遮挡动漫免费视频| 日本91视频免费播放| 亚洲美女视频黄频| 乱人伦中国视频| 亚洲伊人久久精品综合| 亚洲精品一区蜜桃| 免费播放大片免费观看视频在线观看| 免费黄网站久久成人精品| 久久精品久久久久久噜噜老黄| 中文字幕制服av| 少妇被粗大猛烈的视频| 欧美3d第一页| 最新中文字幕久久久久| 九九爱精品视频在线观看| 亚洲av成人精品一二三区| 精品99又大又爽又粗少妇毛片| 午夜日本视频在线| 国产亚洲一区二区精品| av免费观看日本| 中文字幕制服av| av福利片在线| 亚洲精品国产av蜜桃| 久久精品国产自在天天线| 免费黄网站久久成人精品| 亚洲av男天堂| 男人添女人高潮全过程视频| 多毛熟女@视频| 97超碰精品成人国产| a级毛片免费高清观看在线播放| 国产又色又爽无遮挡免| 亚洲,一卡二卡三卡| 色94色欧美一区二区| 亚洲欧美清纯卡通| 久久99一区二区三区| 久久精品夜色国产| 国产精品无大码| 晚上一个人看的免费电影| 亚洲国产av新网站| 日本91视频免费播放| 少妇的逼好多水| 99久久精品一区二区三区| 成人影院久久| 日本黄色日本黄色录像| 好男人视频免费观看在线| 日本-黄色视频高清免费观看| 久久久久网色| 国产亚洲5aaaaa淫片| 18禁动态无遮挡网站| 99热6这里只有精品| 亚洲av国产av综合av卡| 极品教师在线视频| 成人国产麻豆网| 精品亚洲成a人片在线观看| av又黄又爽大尺度在线免费看| 国产色婷婷99| 免费大片18禁| 97超碰精品成人国产| 色视频在线一区二区三区| 国产精品一区二区三区四区免费观看| 一本久久精品| 22中文网久久字幕| 婷婷色av中文字幕| 搡女人真爽免费视频火全软件| 在线观看人妻少妇| 日韩强制内射视频| 日本黄色日本黄色录像| 欧美日韩国产mv在线观看视频| 亚洲欧美一区二区三区黑人 | 日韩 亚洲 欧美在线| 国产极品天堂在线| 中文字幕制服av| 中国三级夫妇交换| 两个人免费观看高清视频 | 日本免费在线观看一区| 最近2019中文字幕mv第一页| 国产 一区精品| av线在线观看网站| 日本猛色少妇xxxxx猛交久久| 在线播放无遮挡| 91精品国产国语对白视频| 夜夜看夜夜爽夜夜摸| 欧美xxxx性猛交bbbb| 深夜a级毛片| 成年av动漫网址| 婷婷色综合www| 黄片无遮挡物在线观看| 一二三四中文在线观看免费高清| 校园人妻丝袜中文字幕| 一级毛片aaaaaa免费看小| 亚洲伊人久久精品综合| 日本黄色片子视频| 91久久精品电影网| 性色avwww在线观看| 欧美激情极品国产一区二区三区 | 亚洲欧美成人精品一区二区| 国产国拍精品亚洲av在线观看| 丁香六月天网| 精品一区二区免费观看| 嘟嘟电影网在线观看| 国产熟女午夜一区二区三区 | 蜜桃久久精品国产亚洲av| 日本色播在线视频| 国产亚洲一区二区精品| 国产精品偷伦视频观看了| 一级黄片播放器| 国产永久视频网站| 亚洲精品日本国产第一区| 欧美xxⅹ黑人| 亚洲va在线va天堂va国产| 成人免费观看视频高清| 9色porny在线观看| 国产精品不卡视频一区二区| 亚洲精品国产成人久久av| 国产欧美亚洲国产| 麻豆成人午夜福利视频| 国产 一区精品| 亚洲国产毛片av蜜桃av| 成人18禁高潮啪啪吃奶动态图 | 国产永久视频网站| 久久久久久久大尺度免费视频| 精品午夜福利在线看| 亚洲av成人精品一区久久| a级一级毛片免费在线观看| 日韩中文字幕视频在线看片| 精品亚洲乱码少妇综合久久| 日韩不卡一区二区三区视频在线| 麻豆精品久久久久久蜜桃| 我的老师免费观看完整版| 亚洲成人手机| 久久国产精品大桥未久av | 免费黄频网站在线观看国产| 亚洲欧洲国产日韩| 国产美女午夜福利| 国产精品一区二区性色av| 免费人妻精品一区二区三区视频| 亚洲国产成人一精品久久久| av又黄又爽大尺度在线免费看| 午夜福利,免费看| 国产高清有码在线观看视频| 永久免费av网站大全| 亚洲精品中文字幕在线视频 | 免费看av在线观看网站| 桃花免费在线播放| 人人妻人人爽人人添夜夜欢视频 | 免费大片黄手机在线观看| 午夜福利影视在线免费观看| 亚洲欧美精品专区久久| 又爽又黄a免费视频| 成人特级av手机在线观看| 亚洲成色77777| 国产精品99久久99久久久不卡 | av国产久精品久网站免费入址| 亚洲精品aⅴ在线观看| 纯流量卡能插随身wifi吗| 亚洲精品乱久久久久久| 欧美+日韩+精品| 一本大道久久a久久精品| 亚洲精品,欧美精品| 一个人免费看片子| 成人18禁高潮啪啪吃奶动态图 | 亚洲精品乱码久久久久久按摩| 国产爽快片一区二区三区| 夫妻午夜视频| 女人久久www免费人成看片| 丰满人妻一区二区三区视频av| 人人妻人人爽人人添夜夜欢视频 | 人人妻人人澡人人爽人人夜夜| 少妇人妻精品综合一区二区| 日韩制服骚丝袜av| 欧美老熟妇乱子伦牲交| 亚洲综合精品二区| 国产 一区精品| 国产免费又黄又爽又色| 久久精品久久精品一区二区三区| 最新的欧美精品一区二区| 99久久人妻综合| av一本久久久久| 成人亚洲精品一区在线观看| 韩国av在线不卡| 女人精品久久久久毛片| 久久精品国产亚洲av涩爱| 夜夜骑夜夜射夜夜干| 自拍偷自拍亚洲精品老妇| 在线观看一区二区三区激情| 精品少妇久久久久久888优播| 三级国产精品欧美在线观看| 国产精品蜜桃在线观看| 有码 亚洲区| 老司机影院毛片| 一级黄片播放器| 爱豆传媒免费全集在线观看| 久久精品国产亚洲av涩爱| 日本欧美国产在线视频| 免费播放大片免费观看视频在线观看| 国产av一区二区精品久久| 美女内射精品一级片tv| 日本与韩国留学比较| 观看免费一级毛片| 国产高清有码在线观看视频| av网站免费在线观看视频| 又爽又黄a免费视频| 一级毛片久久久久久久久女| 欧美精品一区二区大全| 国产深夜福利视频在线观看| 久久午夜综合久久蜜桃| 国产精品一区二区性色av| 久久久久久久国产电影| 成人影院久久| 免费观看av网站的网址| 晚上一个人看的免费电影| 伦理电影免费视频| 精品国产露脸久久av麻豆| 欧美 日韩 精品 国产| √禁漫天堂资源中文www| 国产熟女欧美一区二区| 亚洲精品456在线播放app| 久久久精品94久久精品| 熟女电影av网| 三上悠亚av全集在线观看 | 国产白丝娇喘喷水9色精品| 99热全是精品| 18禁裸乳无遮挡动漫免费视频| 国产在线免费精品| 狂野欧美白嫩少妇大欣赏| 丰满人妻一区二区三区视频av| 国产成人freesex在线| 欧美xxxx性猛交bbbb|