欧美成人午夜精品久久久,国产?V天堂一区二区三区,欧美精品va在线观看,亚洲一区二区三区免费在线观看,av无码精品一区二区久久,欧美性爱视频不卡一区三区,欧美乱人伦视频在线观看,国产一级牲交高潮

ARTICLE DETAIL

資訊詳情

深耕商務(wù)建站與企業(yè)官網(wǎng)運(yùn)營(yíng)的一線實(shí)戰(zhàn)洞察。

基于隱馬爾可夫模型的孤立字語(yǔ)音識(shí)別:從原理到嵌入式實(shí)踐

基于隱馬爾可夫模型的孤立字語(yǔ)音識(shí)別:從原理到嵌入式實(shí)踐 簡(jiǎn)介本資源是面向語(yǔ)音信號(hào)處理初學(xué)者與模式識(shí)別實(shí)踐者的MATLAB教學(xué)實(shí)驗(yàn)包聚焦隱馬爾可夫模型HMM在孤立字語(yǔ)音識(shí)別中的完整實(shí)現(xiàn)流程。資源解決從語(yǔ)音特征提取、HMM建模訓(xùn)練到最終識(shí)別判別的核心問題適用于高校課程設(shè)計(jì)、語(yǔ)音識(shí)別入門項(xiàng)目及HMM算法原理驗(yàn)證場(chǎng)景。壓縮包共17個(gè)文件15個(gè).m腳本2個(gè).mat數(shù)據(jù)涵蓋MFCC特征提取mfcc.m、melbankm.m、端點(diǎn)檢測(cè)vad.m、HMM初始化inithmm.m、Baum-Welch參數(shù)訓(xùn)練baum_welch.m、hmm_train.m、維特比解碼識(shí)別viterbi.m、hmm_recog.m等關(guān)鍵模塊輔以訓(xùn)練/測(cè)試數(shù)據(jù)tra_data.mat、rec_data.mat總大小593KB結(jié)構(gòu)清晰、調(diào)用鏈完整。已有1657人學(xué)習(xí)下載讀者可直接運(yùn)行復(fù)現(xiàn)孤立字識(shí)別全流程深入理解狀態(tài)轉(zhuǎn)移建模、觀測(cè)概率估計(jì)與動(dòng)態(tài)時(shí)間規(guī)整思想并基于現(xiàn)有腳本快速開展參數(shù)調(diào)優(yōu)與模型對(duì)比實(shí)驗(yàn)。1. 項(xiàng)目概述從“聽”到“懂”的經(jīng)典路徑在人工智能的浪潮席卷全球之前語(yǔ)音識(shí)別技術(shù)早已在實(shí)驗(yàn)室和特定場(chǎng)景中默默耕耘了數(shù)十年。今天當(dāng)我們對(duì)著手機(jī)輕松說出“嘿Siri”或“小愛同學(xué)”時(shí)背后是深度學(xué)習(xí)模型的復(fù)雜計(jì)算。但回溯到技術(shù)發(fā)展的長(zhǎng)河中有一個(gè)模型堪稱語(yǔ)音識(shí)別領(lǐng)域的“基石”與“教父”它就是隱馬爾可夫模型。本次分享的項(xiàng)目——“基于隱馬爾可夫模型的孤立字語(yǔ)音識(shí)別”正是帶大家親手搭建并理解這套經(jīng)典框架。它不僅是理解現(xiàn)代語(yǔ)音技術(shù)原理的絕佳入口更是許多嵌入式、低功耗場(chǎng)景下比如一些老舊的工控設(shè)備、簡(jiǎn)單的玩具或特定指令的識(shí)別模塊仍在使用的可靠方案。簡(jiǎn)單來說這個(gè)項(xiàng)目的目標(biāo)就是讓計(jì)算機(jī)能夠識(shí)別我們單獨(dú)說出的、一個(gè)個(gè)清晰的漢字或英文單詞例如“開”、“關(guān)”、“前進(jìn)”、“停止”。你可能會(huì)想現(xiàn)在不都是整句識(shí)別了嗎沒錯(cuò)但“孤立字識(shí)別”是語(yǔ)音識(shí)別中最基礎(chǔ)、最純粹的形式它剝離了連續(xù)語(yǔ)音中復(fù)雜的連讀、語(yǔ)調(diào)變化和上下文依賴讓我們可以聚焦于最核心的問題如何將一段聲音波形映射到一個(gè)具體的符號(hào)上。HMM正是解決這個(gè)“映射”問題的數(shù)學(xué)利器。它不關(guān)心你說了什么內(nèi)容而是通過概率模型計(jì)算出當(dāng)前這段聲音最可能是哪個(gè)已知模板發(fā)出的。這個(gè)過程就像讓一個(gè)初學(xué)語(yǔ)言的孩子反復(fù)聽你念“蘋果”和“香蕉”的錄音最終他能在你再次念出其中一個(gè)詞時(shí)準(zhǔn)確地指出來。為什么今天還要折騰HMM原因有三。第一是教育意義HMM清晰地揭示了語(yǔ)音識(shí)別“特征提取-模型訓(xùn)練-解碼識(shí)別”的三段式核心流程這是所有語(yǔ)音識(shí)別系統(tǒng)的骨架。第二是可控性與可解釋性相比于深度學(xué)習(xí)的“黑箱”HMM的每個(gè)狀態(tài)、每個(gè)概率都有明確的物理意義比如對(duì)應(yīng)音素的某個(gè)穩(wěn)定段調(diào)試和理解起來更直觀。第三是資源友好一個(gè)訓(xùn)練好的HMM識(shí)別器對(duì)計(jì)算和存儲(chǔ)資源的需求遠(yuǎn)小于大型神經(jīng)網(wǎng)絡(luò)在inmp441麥克風(fēng)接ESP32這類資源受限的物聯(lián)網(wǎng)設(shè)備上實(shí)現(xiàn)本地化語(yǔ)音喚醒或指令識(shí)別HMM方案依然具有實(shí)用價(jià)值。接下來我將帶你從零開始拆解這個(gè)項(xiàng)目的每一個(gè)環(huán)節(jié)分享我在實(shí)現(xiàn)過程中踩過的坑和總結(jié)的技巧。2. 核心原理HMM如何“聽懂”一個(gè)詞要理解HMM在語(yǔ)音識(shí)別中的應(yīng)用我們得先把它從數(shù)學(xué)公式的“神壇”上請(qǐng)下來用一個(gè)生活化的場(chǎng)景來類比。想象一下你是一個(gè)在熱帶雨林里觀察青蛙的動(dòng)物學(xué)家。你躲在不遠(yuǎn)處只能聽到青蛙的叫聲“觀測(cè)序列”但看不到青蛙具體在做什么“隱藏狀態(tài)”。你知道青蛙的行為大概有三種狀態(tài)在葉子上休息狀態(tài)A、在溪邊捕食狀態(tài)B、求偶鳴叫狀態(tài)C。青蛙的行為會(huì)按照一定的規(guī)律轉(zhuǎn)換狀態(tài)轉(zhuǎn)移概率比如休息后很可能去捕食捕食后可能繼續(xù)休息也可能開始求偶。同時(shí)在每種行為狀態(tài)下它發(fā)出某種叫聲的概率是不同的觀測(cè)概率例如休息時(shí)可能發(fā)出低沉的“咕”聲求偶時(shí)發(fā)出連續(xù)的“呱呱”聲。你的任務(wù)就是僅憑聽到的一串叫聲序列去推測(cè)青蛙最可能經(jīng)歷了什么樣的行為狀態(tài)序列。HMM要解決的就是這類問題。在孤立字語(yǔ)音識(shí)別中隱藏狀態(tài)序列對(duì)應(yīng)語(yǔ)音信號(hào)中我們看不見的、隨時(shí)間變化的發(fā)音單元。通常我們會(huì)把一個(gè)詞的發(fā)音過程建模成依次經(jīng)過若干個(gè)“狀態(tài)”的過程這些狀態(tài)可以粗略地對(duì)應(yīng)音素構(gòu)成發(fā)音的最小單位的各個(gè)部分如起始、元音核心、結(jié)束。觀測(cè)序列就是我們實(shí)際能從音頻文件中計(jì)算出來的、一幀一幀的聲學(xué)特征向量比如最常用的梅爾頻率倒譜系數(shù)。每一幀特征就像是青蛙在某個(gè)時(shí)刻發(fā)出的一聲叫聲。解碼識(shí)別給定一個(gè)待識(shí)別的語(yǔ)音特征觀測(cè)序列O以及我們?yōu)樵~典里每個(gè)詞如“開”、“關(guān)”預(yù)先訓(xùn)練好的一個(gè)HMM模型λ_開 λ_關(guān)計(jì)算這個(gè)觀測(cè)序列由每個(gè)模型生成的概率 P(O|λ)。概率最大的那個(gè)模型對(duì)應(yīng)的詞就是識(shí)別結(jié)果。這個(gè)過程就是著名的前向算法或維特比算法的核心應(yīng)用。這里有一個(gè)關(guān)鍵點(diǎn)需要理解我們并不是為整個(gè)詞訓(xùn)練一個(gè)籠統(tǒng)的模型而是采用了一種更精細(xì)的建模方式——從左到右的帶跨越的Bakis模型。這意味著狀態(tài)只能保持不變或向右跳轉(zhuǎn)可以跳過下一個(gè)狀態(tài)直接跳到下下個(gè)模擬發(fā)音速度的變化不能向左回退這符合語(yǔ)音信號(hào)在時(shí)間上的單向性。每個(gè)詞都有自己的一個(gè)這樣的HMM模型。3. 實(shí)戰(zhàn)架構(gòu)從聲音到文字的完整流水線一個(gè)完整的孤立字識(shí)別系統(tǒng)就像一條工廠流水線分為訓(xùn)練和識(shí)別兩個(gè)階段。訓(xùn)練階段是“制作模板”識(shí)別階段是“比對(duì)匹配”。下圖清晰地展示了這個(gè)核心流程flowchart TD A[原始音頻.wav] -- B[預(yù)處理br預(yù)加重/分幀/加窗] B -- C[特征提取br計(jì)算MFCC特征向量] C -- D{階段判斷} D -- 訓(xùn)練階段 -- E[為每個(gè)詞訓(xùn)練一個(gè)HMM模型br使用Baum-Welch算法] E -- F[模型庫(kù)br存儲(chǔ)所有詞的HMM參數(shù)] D -- 識(shí)別階段 -- G[輸入待識(shí)別語(yǔ)音特征] G -- H[解碼匹配br對(duì)每個(gè)HMM模型計(jì)算觀測(cè)概率] H -- I[選擇最大概率對(duì)應(yīng)的模型] I -- J[輸出識(shí)別結(jié)果] F -- H下面我們針對(duì)流程中的每一個(gè)關(guān)鍵環(huán)節(jié)進(jìn)行深入剖析。3.1 數(shù)據(jù)準(zhǔn)備與預(yù)處理給聲音“洗臉”任何機(jī)器學(xué)習(xí)項(xiàng)目都始于數(shù)據(jù)。對(duì)于孤立字識(shí)別你需要一個(gè)語(yǔ)音數(shù)據(jù)集。理想的數(shù)據(jù)集應(yīng)該包含多個(gè)說話者對(duì)每個(gè)待識(shí)別詞的多次發(fā)音錄音。如果沒有現(xiàn)成的你可以自己錄制但務(wù)必注意規(guī)范性。錄音要點(diǎn)環(huán)境盡可能安靜避免回聲。普通房間即可無(wú)需專業(yè)錄音棚。設(shè)備電腦麥克風(fēng)或手機(jī)均可。如果追求更好效果或用于嵌入式開發(fā)如搭配inmp441麥克風(fēng)和ESP32需要注意麥克風(fēng)的靈敏度與ADC的匹配。格式保存為單聲道、16kHz采樣率、16位量化的WAV文件。這是語(yǔ)音處理的“標(biāo)準(zhǔn)照”能保證足夠的音質(zhì)同時(shí)減少數(shù)據(jù)量。命名規(guī)則建議按“詞語(yǔ)_說話者編號(hào)_次數(shù).wav”格式命名如“kai_speaker01_01.wav”便于后續(xù)程序自動(dòng)讀取和標(biāo)注。拿到音頻后不能直接扔給模型需要先“洗臉”——預(yù)處理。預(yù)加重語(yǔ)音信號(hào)的高頻部分能量通常較低。預(yù)加重是一個(gè)一階高通濾波器其傳遞函數(shù)為H(z) 1 - α*z^{-1}一般α取0.97。它的目的是提升高頻分量使信號(hào)的頻譜變得平坦便于后續(xù)頻譜分析。你可以簡(jiǎn)單理解為讓聲音聽起來更“清晰”了。分幀語(yǔ)音信號(hào)是短時(shí)平穩(wěn)的即在一小段時(shí)間內(nèi)如20-40ms其特性基本不變。因此我們需要將連續(xù)的音頻流切分成一幀一幀的小段。通常幀長(zhǎng)為25ms幀移為10ms即相鄰兩幀重疊15ms。這樣1秒的音頻大約會(huì)產(chǎn)生100幀。加窗對(duì)每一幀信號(hào)乘以一個(gè)窗函數(shù)如漢明窗目的是減少因分幀造成的信號(hào)兩端的突變使幀兩端平滑地趨近于零降低頻譜泄漏。漢明窗的公式是w(n) 0.54 - 0.46*cos(2πn/(N-1))其中n是幀內(nèi)采樣點(diǎn)序號(hào)N是幀長(zhǎng)。注意預(yù)處理的所有參數(shù)采樣率、幀長(zhǎng)、幀移、預(yù)加重系數(shù)在訓(xùn)練和識(shí)別階段必須完全一致否則提取的特征會(huì)失去可比性導(dǎo)致識(shí)別率驟降。這是第一個(gè)容易踩的坑。3.2 特征提取描繪聲音的“指紋”預(yù)處理后的每一幀信號(hào)我們需要從中提取出能夠代表該幀聲音本質(zhì)且對(duì)說話人、環(huán)境變化相對(duì)魯棒的特征。MFCC因其良好的性能成為數(shù)十年來最主流的選擇。它的計(jì)算過程模擬了人耳的聽覺特性快速傅里葉變換將每一幀時(shí)域信號(hào)轉(zhuǎn)換為頻域能量譜。梅爾濾波器組在梅爾頻率尺度上一種模擬人耳對(duì)頻率非線性感知的尺度放置一組三角形濾波器通常20-40個(gè)對(duì)能量譜進(jìn)行濾波和積分得到每個(gè)濾波器通道的能量。這一步將線性頻譜映射到更符合人耳聽覺的梅爾頻譜。取對(duì)數(shù)計(jì)算每個(gè)濾波器通道能量的對(duì)數(shù)。人耳對(duì)聲音強(qiáng)度的感知也是近似對(duì)數(shù)的。離散余弦變換對(duì)上述對(duì)數(shù)梅爾頻譜進(jìn)行DCT得到MFCC系數(shù)。通常我們?nèi)∏?2-13個(gè)系數(shù)再加上第0個(gè)系數(shù)代表幀能量構(gòu)成一個(gè)13維的特征向量。有時(shí)還會(huì)加上它們的一階差分Delta和二階差分Delta-Delta來表征動(dòng)態(tài)特征最終形成一個(gè)39維的向量。每一幀音頻都對(duì)應(yīng)一個(gè)這樣的特征向量。最終一段語(yǔ)音就變成了一個(gè)特征向量的序列O [o1, o2, ..., oT]這就是HMM的觀測(cè)序列。你可以把它想象成用39種顏色的彩筆為聲音的每一毫秒畫了一幅簡(jiǎn)筆畫整個(gè)詞就是這些簡(jiǎn)筆畫連成的畫卷。3.3 HMM模型訓(xùn)練用數(shù)據(jù)“雕刻”模板現(xiàn)在我們有了很多個(gè)“開”這個(gè)詞的語(yǔ)音特征序列。我們的目標(biāo)是為“開”這個(gè)詞訓(xùn)練出一個(gè)HMM模型λ_開 (A, B, π)。其中π初始狀態(tài)概率分布表示發(fā)音開始時(shí)處于各個(gè)狀態(tài)的概率。A狀態(tài)轉(zhuǎn)移概率矩陣a_{ij}表示從狀態(tài)i轉(zhuǎn)移到狀態(tài)j的概率。B觀測(cè)概率分布在每一個(gè)狀態(tài)j下生成某個(gè)觀測(cè)向量o_t的概率。由于觀測(cè)是連續(xù)向量我們通常用高斯混合模型來建模即b_j(o_t) Σ_{m1}^{M} c_{jm} N(o_t; μ_{jm}, Σ_{jm})其中M是混合分量個(gè)數(shù)c是混合權(quán)重μ和Σ是高斯分布的均值和協(xié)方差矩陣。訓(xùn)練這個(gè)模型使用的是Baum-Welch算法它是期望最大化算法在HMM上的具體實(shí)現(xiàn)。其核心思想是初始化隨機(jī)或啟發(fā)式地給A, B, π賦初值。E步前向-后向算法基于當(dāng)前模型參數(shù)計(jì)算所有訓(xùn)練數(shù)據(jù)中在時(shí)刻t處于狀態(tài)i的概率γ_t(i)以及在時(shí)刻t處于狀態(tài)i且時(shí)刻t1處于狀態(tài)j的概率ξ_t(i, j)。這些是“充分統(tǒng)計(jì)量”的期望。M步重估利用E步計(jì)算出的期望值重新估計(jì)模型參數(shù)A, B, π使得訓(xùn)練數(shù)據(jù)由新模型生成的概率似然度得到提升。迭代重復(fù)E步和M步直到模型參數(shù)收斂似然度變化小于某個(gè)閾值或達(dá)到最大迭代次數(shù)。實(shí)際操作中我們使用像hmmlearnPython庫(kù)這樣的工具。關(guān)鍵步驟是準(zhǔn)備訓(xùn)練數(shù)據(jù)列表和對(duì)應(yīng)的標(biāo)簽然后設(shè)置模型參數(shù)狀態(tài)數(shù)N、GMM混合分量數(shù)M。狀態(tài)數(shù)N的選擇至關(guān)重要太少模型無(wú)法刻畫發(fā)音的動(dòng)態(tài)細(xì)節(jié)太多容易過擬合且訓(xùn)練需要更多數(shù)據(jù)。一個(gè)經(jīng)驗(yàn)法則是為每個(gè)音素分配3個(gè)狀態(tài)起始、穩(wěn)定、結(jié)束。對(duì)于單音節(jié)漢字N取5-7個(gè)狀態(tài)是常見的起點(diǎn)。3.4 解碼識(shí)別在概率森林中尋找最佳路徑訓(xùn)練完成后我們得到了一個(gè)HMM模型庫(kù)。當(dāng)一個(gè)新的待識(shí)別語(yǔ)音到來時(shí)系統(tǒng)的工作流程如下特征提取對(duì)待識(shí)別語(yǔ)音進(jìn)行與訓(xùn)練階段完全相同的預(yù)處理和MFCC特征提取得到觀測(cè)序列O。計(jì)算似然度對(duì)于詞庫(kù)中的每一個(gè)詞w對(duì)應(yīng)一個(gè)HMM模型λ_w計(jì)算觀測(cè)序列O由該模型生成的概率P(O|λ_w)。直接計(jì)算這個(gè)概率涉及所有可能狀態(tài)序列的求和計(jì)算量巨大。高效的方法是使用前向算法它通過動(dòng)態(tài)規(guī)劃遞推地計(jì)算概率。維特比解碼實(shí)際上我們不僅想知道概率還想知道“最可能的狀態(tài)路徑”是什么即這個(gè)聲音最可能是怎么發(fā)出來的。這就需要維特比算法。它也是動(dòng)態(tài)規(guī)劃目標(biāo)是找到一條最優(yōu)狀態(tài)路徑Q* (q1*, q2*, ..., qT*)使得該路徑生成觀測(cè)序列O的聯(lián)合概率最大。在計(jì)算過程中我們同時(shí)得到了這個(gè)最大概率它通常就作為P(O|λ_w)的近似因?yàn)樽顑?yōu)路徑的概率通常占主導(dǎo)地位。決策比較所有詞w對(duì)應(yīng)的P(O|λ_w)選擇概率最大的那個(gè)詞作為識(shí)別結(jié)果w* argmax_w P(O|λ_w)。實(shí)操心得在實(shí)際編程中概率值往往非常小多個(gè)小于1的概率連乘直接計(jì)算會(huì)導(dǎo)致下溢變成0。因此**必須使用概率的對(duì)數(shù)形式log-probability**進(jìn)行計(jì)算。整個(gè)解碼過程都在對(duì)數(shù)空間進(jìn)行將乘法變?yōu)榧臃ū容^對(duì)數(shù)概率的大小。這是實(shí)現(xiàn)穩(wěn)定HMM識(shí)別系統(tǒng)的關(guān)鍵技巧之一。4. 關(guān)鍵實(shí)現(xiàn)細(xì)節(jié)與參數(shù)調(diào)優(yōu)理解了流程我們來看看實(shí)現(xiàn)中的“魔鬼細(xì)節(jié)”。這些參數(shù)和選擇直接決定了你的識(shí)別系統(tǒng)是“玩具”還是“工具”。4.1 HMM拓?fù)浣Y(jié)構(gòu)設(shè)計(jì)我們采用從左到右?guī)Э缭降腂akis模型。這意味著狀態(tài)轉(zhuǎn)移概率矩陣A是一個(gè)近似上三角的矩陣對(duì)角線和非零次對(duì)角線、次次對(duì)角線允許跨越一個(gè)狀態(tài)上有值其他位置為0。例如一個(gè)5狀態(tài)的HMM其轉(zhuǎn)移可能為狀態(tài)1可保持在1或跳轉(zhuǎn)到2或跳轉(zhuǎn)到3。狀態(tài)2可保持在2或跳轉(zhuǎn)到3或跳轉(zhuǎn)到4。... 以此類推。狀態(tài)5為吸收態(tài)只能保持在5。這種結(jié)構(gòu)強(qiáng)制時(shí)間流向并允許模型適應(yīng)不同的語(yǔ)速。在hmmlearn中可以通過設(shè)置transmat_prior轉(zhuǎn)移矩陣先驗(yàn)或初始化一個(gè)符合該結(jié)構(gòu)的A矩陣來實(shí)現(xiàn)。4.2 高斯混合模型GMM的配置觀測(cè)概率B由GMM刻畫。兩個(gè)核心參數(shù)混合分量數(shù)M每個(gè)狀態(tài)對(duì)應(yīng)的高斯分布個(gè)數(shù)。M越大模型對(duì)觀測(cè)數(shù)據(jù)的刻畫能力越強(qiáng)但也越容易過擬合且計(jì)算量增大。對(duì)于小詞匯量孤立詞識(shí)別M3到5通常是個(gè)不錯(cuò)的起點(diǎn)。可以從1開始嘗試觀察驗(yàn)證集識(shí)別率的變化。協(xié)方差矩陣類型最常見的是對(duì)角協(xié)方差矩陣。這意味著我們假設(shè)MFCC特征的各個(gè)維度之間是相互獨(dú)立的。這雖然不完全符合事實(shí)但能極大減少參數(shù)數(shù)量從d×d矩陣減少到d個(gè)方差值防止過擬合且計(jì)算簡(jiǎn)便。全協(xié)方差矩陣在數(shù)據(jù)量非常充足時(shí)可能更精確但絕大多數(shù)語(yǔ)音識(shí)別系統(tǒng)都使用對(duì)角協(xié)方差。4.3 初始化的藝術(shù)Baum-Welch算法對(duì)初始值敏感。糟糕的初始化可能導(dǎo)致收斂到局部最優(yōu)或速度很慢。π初始化通常設(shè)第一個(gè)狀態(tài)的概率為1其余為0即強(qiáng)制從第一個(gè)狀態(tài)開始。A初始化按照Bakis模型結(jié)構(gòu)給“保持原狀態(tài)”、“轉(zhuǎn)移到下一個(gè)狀態(tài)”、“跨越一個(gè)狀態(tài)”分配較高的初始概率如0.6, 0.3, 0.1其他轉(zhuǎn)移概率設(shè)為0或極小值。B初始化GMM參數(shù)這是關(guān)鍵。一種穩(wěn)健的方法是使用K-Means聚類。將所有訓(xùn)練數(shù)據(jù)的所有幀的特征向量收集起來進(jìn)行K-Means聚類K等于狀態(tài)數(shù)N × 混合分量數(shù)M。然后根據(jù)每個(gè)狀態(tài)預(yù)期“負(fù)責(zé)”的幀段可以通過均勻分割語(yǔ)音時(shí)間軸來粗略估計(jì)將聚類中心分配給各個(gè)狀態(tài)的各個(gè)混合分量并計(jì)算對(duì)應(yīng)的方差。hmmlearn中的GaussianHMM可以通過init_params和n_iter參數(shù)控制初始化方式。4.4 訓(xùn)練技巧與停止準(zhǔn)則多序列訓(xùn)練一個(gè)詞通常有多個(gè)發(fā)音樣本由不同人或同一人多次錄制。Baum-Welch算法天然支持用多個(gè)觀測(cè)序列來訓(xùn)練同一個(gè)模型這能提升模型的魯棒性。在hmmlearn中只需將多個(gè)特征序列的列表傳入fit函數(shù)即可。停止準(zhǔn)則迭代訓(xùn)練何時(shí)停止一是設(shè)置最大迭代次數(shù)如100次二是監(jiān)控模型在驗(yàn)證集上的識(shí)別率。當(dāng)連續(xù)幾次迭代驗(yàn)證集識(shí)別率不再上升時(shí)即可停止以防止過擬合訓(xùn)練集。切記不要用測(cè)試集來指導(dǎo)訓(xùn)練停止。方差 flooring訓(xùn)練GMM時(shí)某個(gè)高斯分量的方差可能變得非常小這會(huì)導(dǎo)致在解碼時(shí)計(jì)算出的概率值異常大對(duì)數(shù)概率趨于無(wú)窮破壞數(shù)值穩(wěn)定性。因此需要設(shè)置一個(gè)最小方差閾值如1e-5所有小于該閾值的方差都被強(qiáng)制設(shè)為此值。5. 工程實(shí)現(xiàn)與代碼框架理論說了這么多是時(shí)候看看代碼怎么寫了。以下是一個(gè)基于Python和hmmlearn庫(kù)的簡(jiǎn)化框架它清晰地展示了訓(xùn)練和識(shí)別的骨架。import numpy as np import librosa from hmmlearn import hmm import os # 1. 特征提取函數(shù) (固定參數(shù)確保訓(xùn)練識(shí)別一致) def extract_mfcc(audio_path, sr16000, n_mfcc13, hop_length160, win_length400): 提取MFCC特征默認(rèn)13維加上一階二階差分共39維 y, sr librosa.load(audio_path, srsr) # 預(yù)加重 y librosa.effects.preemphasis(y, coef0.97) # 提取MFCC mfcc librosa.feature.mfcc(yy, srsr, n_mfccn_mfcc, hop_lengthhop_length, n_fftwin_length) # 計(jì)算一階和二階差分 mfcc_delta librosa.feature.delta(mfcc) mfcc_delta2 librosa.feature.delta(mfcc, order2) # 拼接成39維特征向量 feature_vector np.vstack([mfcc, mfcc_delta, mfcc_delta2]) # 轉(zhuǎn)置使得每一行代表一幀 return feature_vector.T # 2. 數(shù)據(jù)準(zhǔn)備 def load_data(data_dir): data_dir結(jié)構(gòu) /train /kai/*.wav /guan/*.wav /test /kai/*.wav /guan/*.wav train_data {} test_data {} for split in [train, test]: split_path os.path.join(data_dir, split) for word in os.listdir(split_path): word_path os.path.join(split_path, word) if not os.path.isdir(word_path): continue features_list [] for fname in os.listdir(word_path): if fname.endswith(.wav): audio_path os.path.join(word_path, fname) features extract_mfcc(audio_path) features_list.append(features) if split train: train_data[word] features_list else: test_data[word] features_list return train_data, test_data # 3. 模型訓(xùn)練 def train_models(train_data, n_components5, n_mix3): 為每個(gè)詞訓(xùn)練一個(gè)GMM-HMM模型 models {} for word, features_list in train_data.items(): # 計(jì)算所有訓(xùn)練樣本的總幀數(shù)用于確定n_features # hmmlearn要求傳入一個(gè)樣本所以需要將多個(gè)樣本的長(zhǎng)度記錄下來 lengths [f.shape[0] for f in features_list] # 將所有特征幀拼接成一個(gè)長(zhǎng)數(shù)組 X np.vstack(features_list) # 創(chuàng)建并配置GMM-HMM模型 model hmm.GMMHMM(n_componentsn_components, # HMM狀態(tài)數(shù) n_mixn_mix, # 每個(gè)狀態(tài)的GMM混合分量數(shù) covariance_typediag, # 對(duì)角協(xié)方差 n_iter100, # 最大迭代次數(shù) tol0.01, # 收斂閾值 init_paramsstmc, # 初始化參數(shù)s起始概率t轉(zhuǎn)移概率m均值c協(xié)方差 paramsstmc) # 訓(xùn)練過程中更新的參數(shù) # 使用K-means初始化均值其他參數(shù)隨機(jī) model.means_prior ... # 可以設(shè)置先驗(yàn)這里省略 # 開始訓(xùn)練 model.fit(X, lengthslengths) models[word] model print(f模型 {word} 訓(xùn)練完成最終對(duì)數(shù)似然度: {model.monitor_.history[-1]}) return models # 4. 識(shí)別函數(shù) def recognize(models, test_feature): 識(shí)別一段語(yǔ)音特征 best_score -float(inf) best_word None for word, model in models.items(): # 計(jì)算該模型生成觀測(cè)序列的對(duì)數(shù)概率 score model.score(test_feature) if score best_score: best_score score best_word word return best_word, best_score # 5. 主程序 if __name__ __main__: data_dir ./isolated_digits train_set, test_set load_data(data_dir) # 訓(xùn)練階段 print(開始訓(xùn)練HMM模型...) hmm_models train_models(train_set, n_components7, n_mix3) # 測(cè)試階段 print(\n開始測(cè)試...) correct 0 total 0 for true_word, features_list in test_set.items(): for test_feature in features_list: pred_word, score recognize(hmm_models, test_feature) if pred_word true_word: correct 1 total 1 print(f真實(shí): {true_word}, 預(yù)測(cè): {pred_word}, 得分: {score:.2f}) accuracy correct / total * 100 print(f\n識(shí)別準(zhǔn)確率: {accuracy:.2f}%)這個(gè)框架提供了從特征提取到訓(xùn)練識(shí)別的完整流程。在實(shí)際項(xiàng)目中你還需要加入更多的工程化處理比如特征歸一化倒譜均值方差歸一化、模型持久化用pickle保存訓(xùn)練好的模型、實(shí)時(shí)錄音識(shí)別接口等。6. 性能優(yōu)化與常見問題排查即使按照上述流程實(shí)現(xiàn)了系統(tǒng)識(shí)別率可能依然不盡如人意。下面是一些常見的“坑”和優(yōu)化方向。6.1 識(shí)別率低的可能原因及對(duì)策問題現(xiàn)象可能原因排查與解決思路整體識(shí)別率很低50%1. 特征提取參數(shù)不一致2. 音頻質(zhì)量差噪聲大3. HMM狀態(tài)數(shù)設(shè)置嚴(yán)重不合理4. 訓(xùn)練數(shù)據(jù)嚴(yán)重不足1.檢查一致性確保訓(xùn)練和測(cè)試時(shí)extract_mfcc函數(shù)的每一個(gè)參數(shù)sr,n_mfcc,hop_length,win_length都完全相同。2.檢查音頻用Audacity等工具播放和查看波形確保錄音清晰沒有破音或巨大噪聲??紤]加入簡(jiǎn)單的端點(diǎn)檢測(cè)自動(dòng)切除首尾靜音段。3.調(diào)整狀態(tài)數(shù)嘗試增加或減少n_components如從3到10。對(duì)于單音節(jié)詞5-7是個(gè)安全范圍。4.增加數(shù)據(jù)每個(gè)詞至少準(zhǔn)備10-20個(gè)發(fā)音樣本且最好由不同人錄制。某些詞總是混淆如“七”和“一”1. 聲學(xué)特征相似2. 模型訓(xùn)練不充分或過擬合1.分析混淆對(duì)提取這兩個(gè)詞的特征觀察其MFCC軌跡的均值或分布是否有明顯區(qū)別。如果沒有可能需要更精細(xì)的特征如PLP或引入更高階的差分特征。2.檢查訓(xùn)練數(shù)據(jù)是否為這兩個(gè)詞提供的訓(xùn)練樣本數(shù)量和質(zhì)量與其他詞一致嘗試單獨(dú)為混淆詞增加訓(xùn)練數(shù)據(jù)。3.調(diào)整模型復(fù)雜度如果過擬合訓(xùn)練集接近100%測(cè)試集低嘗試減少GMM混合分量n_mix如果欠擬合則適當(dāng)增加。同一說話人效果好換人效果差模型對(duì)說話人依賴性強(qiáng)1.數(shù)據(jù)層面確保訓(xùn)練數(shù)據(jù)包含多個(gè)說話人男女、不同年齡提高模型泛化能力。2.特征層面應(yīng)用倒譜均值歸一化。對(duì)每一段語(yǔ)音的所有MFCC特征幀分別計(jì)算每個(gè)維度的均值然后每個(gè)幀的特征都減去這個(gè)均值。這可以有效消除不同說話人聲道差異帶來的影響。3.模型層面考慮使用說話人自適應(yīng)技術(shù)但這在孤立詞識(shí)別中較少用。識(shí)別速度慢1. 特征維度過高2. 詞典規(guī)模大時(shí)逐個(gè)計(jì)算概率效率低1.降維嘗試只用靜態(tài)MFCC13維或使用線性判別分析等降維方法。2.優(yōu)化解碼對(duì)于大詞典標(biāo)準(zhǔn)的維特比解碼已是高效方法。瓶頸可能在特征提取。確保使用Librosa的優(yōu)化版本或考慮用更輕量的特征如FBank。6.2 端點(diǎn)檢測(cè)提升魯棒性的利器在實(shí)際環(huán)境中錄音的開頭和結(jié)尾往往有長(zhǎng)時(shí)間的靜音或噪聲。將這些部分帶入識(shí)別會(huì)引入大量無(wú)關(guān)特征干擾模型。因此在特征提取前進(jìn)行端點(diǎn)檢測(cè)非常必要。一個(gè)簡(jiǎn)單有效的方法是基于短時(shí)能量和過零率def vad(wave_data, frame_len400, hop160, energy_thresh0.03, zcr_thresh0.1): 簡(jiǎn)單的雙門限端點(diǎn)檢測(cè) wave_data: 預(yù)加重后的音頻數(shù)據(jù) return: 有效語(yǔ)音段的起始和結(jié)束索引列表 # 計(jì)算短時(shí)能量 energy [] for i in range(0, len(wave_data)-frame_len, hop): frame wave_data[i:iframe_len] energy.append(np.sum(frame**2)) energy np.array(energy) # 計(jì)算過零率 zcr [] for i in range(0, len(wave_data)-frame_len, hop): frame wave_data[i:iframe_len] zcr.append(np.sum(np.abs(np.diff(np.sign(frame)))) / (2*frame_len)) zcr np.array(zcr) # 歸一化 energy (energy - np.min(energy)) / (np.max(energy) - np.min(energy) 1e-8) zcr (zcr - np.min(zcr)) / (np.max(zcr) - np.min(zcr) 1e-8) # 雙門限判斷 speech_flag (energy energy_thresh) | (zcr zcr_thresh) # 找出連續(xù)語(yǔ)音段 indices np.where(speech_flag)[0] if len(indices) 0: return [] gaps np.where(np.diff(indices) 2)[0] segments [] start indices[0] for gap in gaps: end indices[gap] if end - start 3: # 至少持續(xù)幾幀 segments.append((start*hop, end*hopframe_len)) start indices[gap1] end indices[-1] if end - start 3: segments.append((start*hop, end*hopframe_len)) return segments在extract_mfcc函數(shù)中可以先調(diào)用vad函數(shù)獲取有效語(yǔ)音段然后只對(duì)這個(gè)區(qū)間的音頻進(jìn)行MFCC計(jì)算。6.3 向嵌入式平臺(tái)遷移的考量如果你希望將這個(gè)系統(tǒng)部署到ESP32這類資源受限的設(shè)備上需要做大量精簡(jiǎn)特征提取在MCU上計(jì)算完整的39維MFCC開銷很大??梢钥紤]使用更簡(jiǎn)單的特征如對(duì)數(shù)梅爾濾波器組能量FBank省去DCT步驟。降低特征維度如只用20個(gè)FBank能量。使用定點(diǎn)數(shù)運(yùn)算替代浮點(diǎn)數(shù)。尋找或編寫輕量級(jí)的MFCC/FBank庫(kù)。模型存儲(chǔ)HMM的參數(shù)A, B, π和GMM的參數(shù)權(quán)重、均值、方差需要存儲(chǔ)在Flash中。使用對(duì)角協(xié)方差可以大幅減少參數(shù)量??梢钥紤]量化存儲(chǔ)如將浮點(diǎn)數(shù)轉(zhuǎn)換為int16。解碼計(jì)算識(shí)別時(shí)的前向/維特比算法涉及大量乘法和指數(shù)運(yùn)算對(duì)數(shù)域則為加法。需要優(yōu)化計(jì)算循環(huán)避免動(dòng)態(tài)內(nèi)存分配。由于詞匯量小孤立詞實(shí)時(shí)性通??梢詽M足。工具鏈通常需要在PC上訓(xùn)練好模型然后將模型參數(shù)導(dǎo)出為C語(yǔ)言的頭文件或數(shù)組固化到嵌入式程序中。7. 超越孤立詞HMM的遺產(chǎn)與局限通過這個(gè)項(xiàng)目我們親手實(shí)現(xiàn)了一個(gè)完整的、基于GMM-HMM的孤立字語(yǔ)音識(shí)別系統(tǒng)。你應(yīng)當(dāng)已經(jīng)深刻體會(huì)到語(yǔ)音識(shí)別本質(zhì)上是一個(gè)模式識(shí)別和序列建模問題。HMM的強(qiáng)大之處在于它巧妙地用概率圖模型描述了語(yǔ)音信號(hào)在時(shí)間上的動(dòng)態(tài)變化和內(nèi)在的隱藏結(jié)構(gòu)。然而也必須看到經(jīng)典GMM-HMM的局限對(duì)數(shù)據(jù)的假設(shè)過強(qiáng)GMM假設(shè)特征向量各維度獨(dú)立且每個(gè)狀態(tài)下的觀測(cè)分布是多個(gè)高斯分布的線性疊加。這在一定程度上限制了模型對(duì)復(fù)雜聲學(xué)模式的刻畫能力。需要對(duì)齊信息訓(xùn)練HMM需要知道觀測(cè)序列和隱藏狀態(tài)序列的對(duì)應(yīng)關(guān)系對(duì)齊。在孤立詞中我們可以用均勻分割或強(qiáng)制對(duì)齊來近似但在大詞匯量連續(xù)語(yǔ)音識(shí)別中這本身就是一個(gè)難題通常用更復(fù)雜的模型迭代解決。正是這些局限推動(dòng)了深度學(xué)習(xí)在語(yǔ)音識(shí)別中的應(yīng)用。深度神經(jīng)網(wǎng)絡(luò)DNN以及后來的CNN、RNN、Transformer被用來替代GMM作為觀測(cè)概率b_j(o_t)的建模工具形成了DNN-HMM混合系統(tǒng)。DNN能夠?qū)W習(xí)更復(fù)雜、更高層的聲學(xué)特征表示大幅提升了識(shí)別率。而端到端的模型如CTC、RNN-T、Transformer則試圖直接建模P(文字序列 | 聲學(xué)特征序列)進(jìn)一步簡(jiǎn)化了系統(tǒng)流程。因此今天學(xué)習(xí)并實(shí)現(xiàn)GMM-HMM其價(jià)值不在于用它去構(gòu)建一個(gè)最前沿的識(shí)別引擎而在于透徹理解語(yǔ)音識(shí)別的基本范式、核心問題和經(jīng)典解決方案。它是你通向更現(xiàn)代、更復(fù)雜語(yǔ)音技術(shù)的一座堅(jiān)實(shí)橋梁。當(dāng)你未來面對(duì)基于深度學(xué)習(xí)的語(yǔ)音模型時(shí)你會(huì)清楚地知道它是在解決什么樣的問題以及它相比HMM到底進(jìn)步在哪里。本文還有配套的精品資源點(diǎn)擊獲取
返回列表
PREV
查看更多資訊
NEXT
返回資訊列表
五月丁香婷婷综合网| a久久| 丁香99| 五月天色婷婷激情综合| 成人 在线观看国产| 狠狠狠五月婷婷六月丁香| 五月综合激情婷婷六月色窝| www一区二区三区| 碰久久精品w| 丁香五月天在线观看| 色涩影院六月丁香| 思思热闹这里只有精品| 玖玖爱伊人网| 99久久精品国产色欲| 91丨九色丨熟女丰满| 99久久婷婷国产综合| 色婷婷久久综合| 天天搞天天爽| 天天色,天天日,天天做| 另类五月婷婷| 在线观看免费狠狠色丁香香综合| 91婷婷五月丁香碰| 丁香婷婷色五月| 色五月在线播放| 天天日日天天| 人人干人人操人人摸人人做| 色999五月色| 色六月视频| 久久一热免费视频| www.五月天婷婷.com| 婷婷丁香91| 97caop| 久久婷婷六月综合| 最近中文字幕大全免费版在线| 婷婷五月色综合| 色播五月网| 婷婷网五月| 六月丁香婷婷综合色播| 五月天婷婷六月激情网| 琪琪理论片| 婷婷色丁香五月| 婷婷七月丁香色色| 五月天婷婷AV| 26uuuu精品一区二区| 日韩性爱无码| 年轻的妺妺伦理HD中文| www99在线观看视频| 国产XXXX搡XXXXX搡麻豆| 欧美人妻一区二区| A久久| www婷婷| 在线另类| 少妇高潮A片无套内谢麻豆传| 91狠狠综合久久久久久| 狠狠操狠狠插| 在线日本www| 久久久久久久久18久久| 99日视频在线| 99免费热视频在线| 色色色欧美| 99热亚洲| 在线亚洲综合| 欧美色久| 五月婷人妻| 丁香五月婷婷亚洲综合精品在线| 日日夜夜爽| 99成人小视频| 激情丁香六月| 深情五月天| 亚洲五月天天| 久热免费视频| 久久五月综合| 婷婷丁香综合在线| 丁香五月婷婷亚洲人| 色9999日韩国产| 99热超碰在线| 舔色婷婷| 拍真实国产伦偷精品| 99久久超级| 少妇人妻人伦A片| 丁香五月天久久| 亚洲天堂玖玖| 婷婷激情丁香五月天综合| 丁香六月AV| 呦呦v线| 激情婷婷五月基地| 色婷婷婷婷| 国产SUV精品一区二区883| 在线观看免费观看在线9久| 婷婷丁香六月天| 婷婷色六月| 97精品欧美91久久久久久久| 激情五月婷婷色播网| 开心五月婷婷婷美女| 色婷婷a v| 开心五月婷婷激情| 久久精品夜色噜噜亚洲a∨| 亚洲AV免费在线| 99久热这里有精品| 激情网五月天| 波多野结衣不卡AV| 亚洲sesesese| 综合网天天| www.婷婷五月天.com| 婷婷色五月大香蕉在线| 久久九九网| 色婷婷五月综合在线| 丁香五月另类小说| 九九视频在线观看视频6| 日本三级色| 九热视频| 五月丁香综合激情| 欧美色必爱| 色欲婷婷五月天| 色欲资源网| VA色婷婷| 91激情五月开心| 精品无码人妻一区| 九九综合久久| 伊人玖玖网| 国产色婷婷亚洲| 婷婷99狠狠| 精品国产乱码久久久久夜深人妻| 激情五月综合网| 丁香五月激情无码视频| 久草五月天| 国产精品久久久久9999小说 | 久久9久| 色综合色色色色色| 三日本无码| 婷婷丁香77777| 综合婷婷五月天| 影音先锋91网站在线观看| 五月婷婷色播视频| 日韩在线观看亚洲| 欧美丁香五月| 色综合另类| 久久se 综合网| 99视频色在线观看| 丁香五月激情综合| 欧美内射AA| 久久婷婷成人综合色怡春院| 在线不卡的视频| 五月丁香花伦理电影| 亚洲超碰在线| 五月色婷| 色色a| 玖玖婷婷色五月| 久久五月天免费网站| 高潮毛片遮挡费高一百度| 色婷婷免费观看| 色五月婷婷激情基地| 第四色首页| av一区二区电影免费在线观看| 亚洲狠狠色丁香婷婷综合久久| 久草大| 播五月,色五月,开心五月播放器 | 激情五月婷色| 99热综合在线| 超碰久热| 亚洲色综合| 色五月婷婷网| 色婷婷瘦婷婷日韩| 久久精彩视频99| 99开心五月五月丁香激情| 91狠狠色色丁香婷婷综合久久| 色吊操色妞| 丁香五月婷婷激情蜜桃| 天天摸天天舔天天爽| 99在线精品观看99| 久久98| 五月在线| 丁香九月综合| 五月丁香六月综合激情| 丁香女人五月天| 色婷婷亚洲婷婷| 操碰久| 99免费热视频在线| 国产免费一区二区三区三州老师F1F1.CC | 丁香五月av| 五月婷婷丁香五月| 青青草成人网| 人人操人人操919999| 五月丁香777| 婷婷丁香五月视频| 五月天成人综合| 久99久视频精选| 天天天天爽爽天干| 人人性久久| 天天人人人人人人人人人人人| 色很久综合| 26uuu欧美日本| 中文在线成人| 色综合99无码 | 超碰日韩成人| 免看黄大片AA | 日韩黄黄| 天天日天天久久青青| 日本婷婷综合精品| 久久182| 26uuu精品一区二区| 丁香五月停停av| 五月开行婷婷色五月| 国产亚洲99久久精品熟女| 五月婷婷之美女图片| a性生活久久无| 五月丁香激情婷婷综合| 色色五月婷婷久久| 久久久久久久综合狠狠综合| 亚洲综合五月天婷婷| 婷婷五月天激情基地| 亚洲AV成人片无码网站| 99愛国产| 熟女人妻一区二区三区免费看| 久久一品区| 精品网站99| 婷婷久综合| 亚洲成人乱码av网站| 9久热在线视频| 五月天天天天天天天天天天天天天天天婷婷婷 | 亚洲区视频| 99热99色| 99热在线观看免费精品| 只有精品视频在线观看| 97操资源婷婷| 日韩综合天堂| 思思99精品视频在线观看| 狠狠狠夜夜夜| 成人免费黄色短视频| 91大神操美女| 婷婷综合视频| 96色婷婷| 精品久久66| 五月婷婷激情网| 九色自拍| 五月天婷婷免费| 爆乳熟女-区二区三区| 少妇丁香婷婷 | 久久AV无码精品人妻系列试探| 翔田千里 50岁 无码| 天天搞天天色综合| 91碰碰视频在线观看| 婷婷五六月丁香| 99福利导航| 成人短视频免费| 婷婷丁香高潮了| 五月婷婷偷拍| 五月天怕怕| 超碰免费人人| 曰曰久久| 97九色视频| 日本精品人妻无码77777| 天天情色五月天| 超碰在线9| 激情都市另类| 五月婷婷 欧美| 碰人人97| 国产精品人成A片一区二区| 五月婷婷丁香俺日污视频| 激情五月天在线观看婷婷| 成人亚洲精品久久久久| 丁香五月偷拍| 开心激情网在线| 色婷婷综合网| 九九99免费视频| 亚州操操| 六月婷婷色| 欧美va视频| 99综合| 婷婷网五月天| 九九激情综合| 五月婷婷综合影院| 丁香六月av| 中文字幕在线免费看线人| 99热免费精品| 夜色综合网| 激情五月天婷婷视频| 色一情一乱一乱一区91| 激情六月丁香| 中文字幕欧美久久| 亚洲有码在线视频| 日韩黄色AV无码| 青青久久五月| 色婷婷aV四虎| 色婷婷yy久| 九九热99热| 97狠狠色| 九九九九国产| 日韩成人免费电影| 激情五月天综合| 色色色综合| 天天爽天天日天天舔| 婷婷五月天激情综合深爱| 天天爽在线视频| 影音先锋91男人资源在线播放| 琪琪色网址| 日日鲁鲁鲁夜夜爽爽狠狠视频97| 精品一二三区久久AAA片| 天天狠天天叉| 欧美激情综合色综合啪啪五月| 色色丁香五月天| 夜色综合网| 女高怪谈在线观看| 婷婷色九月| 婷婷五月无码| 色域五月婷婷丁香| 激情深爱综合| 操日视频| 欧美性生交xXxX久久久| 99色色网| 婷婷丁香六月天| 五月天开心网| 激情内射人妻1区2区3区| 大香蕉久艹| 久操福利| 免费亚洲婷婷| www.91热久久| 久久五月婷婷丁香| 99国产小视频2013| 丁香五月在线观看完整版| 婷婷五月中文字幕国产| 青青草a在线| 婷婷日日夜夜| 欧美在线| 久久9久| va亚洲中文在线| 亚洲AAAA网| 99综合激情久久精品久久| 色狠狠色狠狠| 五月婷激情影院| PORNY九色9l自拍视频成人| 99热这里精品| 色色色色色色综合网| 伊人久久大香线蕉亚洲五月天,| 五月婷性爱| 九九久久污| 日本久久人| 日本美女上人| 五月丁香婷婷人体| 激情婷婷色色| 五月婷婷综合在线亚洲视频| 丁香久久久| 99操久久| 色五月婷婷久久大| 原琪琪色影院| 激情色色色| 国产精品成人AV在线观看春天| 超碰97免费在线| 26uuu91| 26uuu精品一区二区| 色很久综合| www.五月天。com| www.久久| 超碰91在线| 五月丁香婷婷潮喷中文字幕| 亚洲综合丁香五月| 天天婷婷色六月| 99综合久久| 亚洲亚洲人成综合网络| 99热碰碰热| 国产五月天激情小说| 日本色狠狠| 午夜一区| 丁香激情四射| 天天舔日日肏夜夜爽| 久久综合影院| 操B无码视频国语| 看片视频在线免费日产在线看| 九九九激情网| 九九热最新地址| 丁香五月激情啪啪啪| 五月天婷婷五月| 国产乱妇乱子在线播视频播放网站| 天天激情5月天亚洲| 欧美熟女99| 狠狠色狠狠| 亚洲激情综合| 色久99| 亚洲第一色色色色| 五月在线| 丁香婷婷啪啪啪| 99a级片| 五月婷婷涩涩爱| 色热久| 中文字幕乱轮| www久久久| 久久婷婷婷| 26uuu亚洲欧美| 九九99精品视频在线观看| 97超碰色| 五月婷婷婷婷婷婷艺术| 超碰人妻在线| 激情亚洲婷婷| 51精品国自产在线| 另类视频五月天| 国产亚洲网站在线| 久热久| 天天插轮理| 亚洲av电影在线| 亚洲天天| 色狠狠综合| 欧美性生交XXXXX无码小说| 天天天天天天天操| 99久久这里只有精品免费官网| 深夜激情网| 少妇AB又爽又紧无码网站| 九九久久精品| 乱码操操| 69热在线| 天天天天天天操| 欧美图片丁香五月天| 思思国产99| 超碰在线免费观看日韩| 色情久久久| 五月丁香狠狠爱| 91久久婷婷| 六月丁香啪啪| 色婷婷五月丁香在线观看| 伊大人久久| 99玖玖在线视频| 精品久久二6| www久久久久久久久久久久久久久久久| 天天爽天天爽视频| 久草五月天电影网| 91色操| 99re6在线视频精品免费| 欧美狠狠地| 超碰在线看| 精品亚洲日韩99欧美片| 思思热久久久在线| 九月久久婷婷| 婷婷五月天成人网| 久久综合激情五月天| 色五月播五月| oumeisesewang| 99re久久| 五月天精品综合| 任你爽在线视频| 色丁香六月| 噢美99| 91色情播放| 色久一| 综合网天天| 91热爆在线| 天天干夜夜b| 综久久久| 婷婷五月丁香性爱| 男人操女人高潮91视频| 九九99久久| 五月丁香花激情综合网| 六月天无码网址| 男人的天堂999| 久草婷婷视频| 五月婷久久综合| 国产精品久久久久久久久久| 成人做爰黄A片免费看直播室男男| 五月婷婷欧美| 丁香五月天久久| 日日操夜夜骑| 丁香五月天导航| 51精品国自产在线| 天天色视频| www.婷婷.com| 麻豆AV一区二区三区| 婷婷色狠狠| 操操国产| 亚洲乱码日产精品BD| 色色色色色网站| 久久伊人9| 男人的天堂97| 99热99日天天干| 成人国产网| 婷婷五月色播天| 国产精产国品一二三在观看| 蜜桃五月天| WWW.桔色成人.COM| 九九成年视频| AAA久久久AAA久久久AAA| 丁香五月色情av| 天堂婷婷综合| 五月天久草| 精品人妻伦九区久久AAA片| 久久色五月天| 国产免费一区二区三区三州老师F1F1.CC| 久久婷婷五月| 俺也去在线视频| 成人短视频在线观看| 久操欧美在线观看97| 欧美色性色好| 五月涩涩网| 99久热在线精品| 婷婷中文字幕网站| 五月天婷婷色综合| 亚洲五月婷婷| 色色婷婷综合网| 成人视屏在线观看| 婷婷成人在线| 五月天婷婷婷| 99热国产免费| 超碰网站在线观看| 激情 婷婷 丁香五月天| 色色综合色视频| 久久九九一區| 色www久视频| 高清视频一区| 婷婷五月草| 无码网| PORNY九色9l自拍视频成人| 五月天婷婷婷| 国产在线aaa片一区二区99| 天天拍天天操| 五月丁香婷爱在线| 五月丁香人妻| 国产免费AV网站| 婷婷 亚洲图片 丁香| 丁香婷婷中文字幕| 亚洲天堂热| 国产毛片精品一区二区色欲黄A片| 色婷婷五月天av在线| 亚洲AV日韩无码| 亚洲婷婷丁香五月在线| 99热精品在线播放| 99综合视频| 超碰只有精品在线| 激情六月丁香| 开心婷婷五月天激情网| 国产成人亚洲综合A∨婷婷| 男男野外做爰全过程69| 99九九热视频| 五月天成人手机在线视频| 美女五月天| 免费看欧美成人A片无码| 久久久久久9热不雅视频| 久久久久久久久久91| WWW色综合| 丁香六月婷婷色XXXXX| 91日韩在线| 久久九九热re6这里有精品| 久久婷婷亚洲| 日本婷婷色日| 中字幕视频在线永久在线观看免费 | 99视频在线看| 五月天色婷婷图片| 99这里只有| 日笨久久网| 草美女在线观看视频在线播放| 六九色综合婷婷五月天| 婷婷五月丁香五月| 丁香五月性爱| 人人色婷婷| 色综久久久| 亚洲激情 久久| 综合啪啪| 99爱在线| 五月丁香六月婷婷久久久综合| 丁香五月激情网| WWW99热| 2025年最新亚洲在线欧美| 亚洲综合婷婷| 久热这里只精品| 精品丁香五月天在线播放| av婷婷六月丁香社区在线观看| 久久xx| 亚洲色夜| 免费人人操| 伊人深爱综合| 久久婷婷五月天丁香| 激情综合色五月六月婷婷| 亚洲AV免费在线| 亚洲成人网站在线| 九九99热久久精品66中文字幕| 五月停视频天堂| 色色操| 亚洲综合激情五月久久| 色狠狠五月天| 九九成人视频| 免费国产VA国产免费| 丁香激情网| 99九九在线| 天天综合五月| 九九久久99精品免费观看www| 久久这里只有精品8| 婷婷视频在线碰| 色狠狠综合网| 一本久久婷婷| 五月天啪啪| 香蕉久久国产AV一区二区| 久久婷婷色综合| 色优久久| 久久99三级在线视频| 国産精品| 久久66精品| 亚洲五月婷婷| 1000部毛片A片免费观看| 少妇性BBB搡BBB爽爽爽视頻| 国产精品人妻在线网址| 涩涩五月天综合| 亚洲最大五月天成人网| 丁香大香蕉| 国产高清av黄色看片| 国产avapp 网| 开心五月色婷| 亚洲在线操| 99 热| ww久久| 狠狠色丁香久久久婷| 国产婷婷色综合AV蜜臀AV | 丁香丝袜五月| 91色吧网| 五月天激情婷婷| 丁香五月婷婷激情123| 狠狠爱丁香婷| 中美日韩成人在线| 五月香蕉婷婷| 狠狠综合久久综合| 色婷婷狠狠| 亚洲综合色五月| 九九综合网色全集 | 伊人久久丁香狠狠婷婷综合香蕉| 丁香五月天激情综合| 91成人视频| 99啪啪| 天天影视色综合网| 五月天社区| 秋霞三级影视资源| 欧美色九| 天堂无码人妻精品AV一区| 色五月亚洲开心网| 色婷久久| 超碰永久在线| 99ri精品| 天天爱天天爽| 思思热这里只有精品| 俺去也五月天婷婷| 天天肏高清在线| 五月丁香AV在线| 五月婷婷综合在线| 91九色首页| 成人va视频| 大香蕉丁香五月| 五月天婷婷自拍图片在线观看| 亚洲在线综合| 丁香花社区av| 五月丁香亭亭天天舔| 五月丁香久久呀| 99ri视频在线观看| 亚洲精品久久久久久久久久飞鱼| 久久婷婷影院| 亚洲日日日| www.狠狠操| 激情综合激情综合| 五月婷婷免费在线观看| 欧美婷婷精品激| 97luluse| 国产AV一区二区三区最新精品 | 久久综合66| 久久九九经典| 丁香婷婷在线| 9九九久久精品无码专区| 成人婷婷五月天| 色五月综合| 国产xxxxx在线观看| 成人在线视频网| 123草逼网| 激情综合五月婷婷| 五月婷婷丁香社区| 99久久a线观| 色综合色色| 丁香婷婷五月综合影院| 狠狠狠狠狠狠色| 一区二区三区四区牛| 国产麻豆视频| 中日韩美欧成人一区二区精品在线| 欧美影院| 国产无人区大片| av不卡网站| 五月天婷婷基地| 五月婷婷激情久久| 色欲丁香| 色婷婷电影网| 免费做A爰片77777| 超碰v| 中文字幕在线免费看线人| 精品夜夜澡人妻无码AV| 午夜69成人做爰视频| 日本人妻A片成人免费看片| 91Chinese在线| 久婷久婷| 婷婷激情综合网| 国产婷婷综合| 亚洲人成播放网站| 99久精品视频| 2025中文在线视频字幕免费观看| 色五天综合| 这里只有精品网| 91|九色|动漫| 丁香六月激情| 婷婷五月色综合| 亚洲第一av| 激情综合无码| 天天插天天草人人玩| 五月九九综合| 欧美综合激情五月天| 影音先锋女人av鲁色资源网小说免费| 五月婷婷丁香深深爱| 成人欧美一区二区三区在线观看| 婷婷丁香五月天中文字幕| 噜噜五月天综合| 极品另类| AV性爱网| 99爱在线| 丁香五月在线自慰| 日本熟女三区| 中国激情网| 熟女激情网| 六月婷婷九月丁香亚洲综合| 开心五月婷婷激情网| 激情五月婷在线精品| 玖玖精品视频| 婷婷五月天AV| 丁香五月自拍| 5月丁香美女影院| 99啪啪网| 亚洲性图一区二区| 嫩草视频在线观看| ..真实国产乱子伦毛片| 久久久久激情网| 91日韩在线| 激情网色五月| 99色在线视频| 狠狠穞A片一區二區三區| 精品久久9| 丁香五月婷婷综合激情哟哟哟| 伊人激情综合网| 午夜无码精品色综合久久| 伊人久久大香线蕉av一区| 九色综合网| 五月婷婷影| 五月天激情无码| 天天爽夜夜爽夜夜爽精| 色噜噜狠狠色综合网| av国产精品| 91大神操美女| 夜夜躁爽日日| 色婷婷影| 26uuu亚洲欧美| 91一起操| 久久全色| 99er6热在线观看精品6| 六月 丁香 视频| 伊人青涩网| 就要去操亚洲成人精品五月天丁香婷婷| 五月天久久网站| 五月婷在线| 狠狠爱婷婷爱| 可似看的AV| 99视频在线观看地址| 欧美色婷婷| www.夜夜操.com| 操老逼综合网| 五月天婷婷在线啪啪视频| 天天舔天天摸天天透| 五月婷婷欧美| 丁香玖玖| 影音先锋 一区| 成人AV片播放| 香蕉久久av一区二区三区| 九九视频在线观看| 激情色色| 在线网黄| 伊人玖玖网| 激情五月色播五月| 色性日本| 色婷亚洲| 99在这里有精品| 久久性爱网站| 99re热精品在线视频| 九色91国产| www.99热这里精品| 91久久九| 久久激丁香| 色九九综合色| 久久激丁香| 国产精品99久久久久久久女警| 色色婷婷丁香| 六月婷婷综合激情| 99九九视频精彩在线| 欧美日韩AAAA| 欧美五月婷婷| 99色视频在线| 五月婷婷激情| 99热碰碰| 伊人婷婷五月天| 婷婷五月天丁香| 婷婷综合网| 91九色国产| 热99这里只是精品| 色999;丁香五月| 99啪啪视频| 99色婷婷| 五月婷婷丁香五月亚洲色| 激情综合4月| 99re在线观看视频| 天天日夜夜B久久| 夜夜骑日日夜夜| 五月丁香亚洲综合网| 丁香五月av在线| 国产欧洲欧洲精品久久| 丁香五月婷婷老师网站| 婷婷综合六月| 国产亚洲色婷婷久久99精品91 www.riverspirits.org www.hnnun.com www.changh | 99色干| 五月丁香婷婷基地| 99热免费观看| 人人色性网| AV网在线观看| 日本啪啪网| 色视频2025| 江苏少妇性BBB搡BBB爽爽爽| 色在线视频网2025| 婷婷五月天激情综合| 狠狠操狠狠插| 丁香五月AV综合激情| 99人人看| 久久婷婷综合五月天| 夜夜天天久久婷婷| 日韩在线观看网址| 97人人搞| 五月激情精品视频| 天天干天天日天天插| 人人爱人人摸人人澡| 综合性爱网| 激情五月天色播| 99九九这里有免费视频| 99在线视频资源| 亚洲激情 久久| 丁香五月婷婷俺也要去| 日本熟妇精品99| 八戒青柠影视剧在线观看| 97操资源婷婷| 91婷婷丁香五月| 久久视频婷婷视频| 亚州色色色| 91丨九色丨大屁股| 免费无码毛片一区二区A片| 九热视频精品| 色五月丁香五月五月婷婷| 五月丁香六月婷婷亚洲视频| 我爱大香蕉| av一级棒av| 99视频九九热| 多精窝99在线视频| 欧美成人va| 五月天激情网站| 青青草Avb在线| 五月色亭丁香| 五月的色婷婷高潮| 91性高潮久久久久久久久| 婷婷丁香五月天激情四射| 黄网在线播放| 五月天婷婷无码视频| 91久久婷婷| 亚洲AV永久无码影院黑人| 丁香五月影院| 日本VA视频| 激情五月天婷婷丁香| 丁香五月婷婷激情中文| WWW.五月天9999| 日本婷色| 婷婷狠狠干| 亚洲成人在线播放| 天天日夜夜拍| 激情丁香五月| 伊人干综合| 色色色色五月| 日日夜夜干| 婷婷五月激情网| 五月天综合婷婷| 99久久婷婷国产综合精品草原| 日韩综合久| www.热99热| 色综合色色| 69精品人妻不卡视频| 亚洲男人的天堂婷婷色五月| 99久热| 99九精品| 五月婷婷自拍| 国产亚洲精品AAAA片APP| 丁香六月激情| 97色操| 亚洲9久久精品| 99re久热只有精品6在线直播| 网站免费一站二站| 久久综合9| 色噜噜狠狠色综合日日免费| 97干在线| 久久综合丁香| 日日操夜夜爽| 丁香婷婷浪潮AV久久综合| 99九九视屏| 婷婷色中文字幕| 五月婷婷激情性爱| 婷婷成人五月天成人文学| 激情综合文学| 狠狠狠五月婷婷六月丁香| 97福利视频| 丁香五月综合久久八| 久久狼人天堂| 丁香五月开心亚洲| 九色无码| 久久精品噜噜噜成人A∨色欲| 丁香五月天啪啪激情综和网| 99热成人| 色五月丁香一区在线| 色婷婷小说网| 色婷婷五月天av在线| 丁香五月婷婷色| 97视频久久| 激情亚洲婷婷| 丁香蜜臀黄色婷婷五月天| 五月婷婷色五月| 五月丁香A片| 久热免费| 激情五月天99色| 日本va欧美va欧美精品88| 极品少妇婷婷五月| 严洲天天插| 丁香,开心成人,久久| 亚洲V国产V欧美V久久久久久| 丁香婷婷五月激情综合| 9l视频自拍9l九色成人| 婷婷五月丁香影院| 色婷婷基地| 丁香五月香蕉在线| 欧美搡BBBBB摔BBBBB| se99在线| 大色鬼综合| 五月天基地| 久久综合9| 亚洲视色| 婷婷九月丁香天堂丁香天堂| 性爱网五月天| 大香蕉人妻| 成年人丁香五月| 欧美激情综合| 婷婷五月成人| 天天爱天天做天天爽| 91日婷婷在线| 婷婷五月成人| 婷色五月天| 久热91| 久久996re热这里只有精品无码| 亚洲日韩一页精品发布| 亚洲视色| 99在线视频播放| 丁香成人五月天| 99爱最新免费视频在线观看| 另类婷婷五月天啪帕帕| 婷婷五月六月丁香| 亚洲久热| 中文字幕无码AV| 99爱在线视频观看| 成人av在线网站| 免费精品99| 99精品视频免费观看| 日本eVa一区=区视频| 无码髙清| 五月婷婷六月激情网| 色色综合网站| 四色五月婷婷| 爱性综合网| 噜噜噜久久| 不卡的AV网站| 久热综合| 特级西西4444www无码| 国产美女无遮挡裸体毛片A片| 久久久婷丁香五月| 99热线观看9| 婷婷久久五月天| 五月天激情社区| 五月色网| 五月丁香婷婷钟和色图| 国内外色色色色色成人视频| 第四色色六月色综合| 九九色黄色| 天天做天天爱天天玩| 狠色狠色狠狠色综合网| 天堂二区| 亚洲第一综合| 校园春色亚洲色| 91婷婷丁香五月| 色欲一区二区三区精品A片| 久久久GOGO无码啪啪艺术| 综合五月丁香六月婷婷| 五月丁香婷爱在线| 亚洲精品国产A久久久久久| 殴美日比视频| 97资源欧美日韩大香蕉超碰一区| 伊人九九九久| 色婷婷五月婷婷五月婷婷五月| 91久久久久久久久18| 超碰com| 五月丁香五月综合欧美| 狠狠 久久| av在线色五月丁香婷区久| 色综合色色色| 天天操天天操天天操天天操天天操| 亚洲激情校园| 狠干综合| 久久精品A片777777| www..999热久| 欧美色色色色色| 9色91视频| 久久与婷婷| 色婷婷社区| 五月色情婷婷开心五月天| 久久婷婷的综合色丁香五月| 中文字幕乱码亚洲精品一区| 久久六月天| 26UUU精品一区二区Com| 婷婷五月天免费小说| 日本视频欧美观看免费| 婷婷久综合| 久久激情网| 停停五月色宗合| 99色最新在线视频网站| 婷婷免费精品视频| 久久综合无| 五月亭大香蕉| 色婷婷色综合久久精品V| 色色激情| 婷婷婷婷婷婷婷五月丁香| 夜夜爽天天干| 欧美噜一噜| 五月丁香色色综合| 久久之人妻| w婷婷五月婷婷w| 日韩AV免费电影在线播放| 9色在线| 日本久久99| 99人妻碰碰碰久久久久禁片| 色播五月网| 懂色AⅤ| 99视频热| 久热这里只有精品视频6| 亚洲国产色色| 亚洲四色五月| 91丨九色丨白浆秘| 影音先锋xfplay资源男人网| 99re在线播放| 欧洲婷婷五月天| 波多婷婷久久| 九九热精品在线| 狠狠大香婷婷爱| 午夜天堂一区人妻| 婷婷五月AV| 日日操夜夜操无码免费| 伊人久久大香网| 丁香五月亭亭六月综合激情网| 夜夜嗨一区二区三区直播内容 | 五月婷婷大香蕉| 九九视频这里只有精品在线播放| 大香蕉伊人久久| 五月天色婷婷激情| 欧美色色色色色色色色色色| 五月开心网| 五月激情天天干| 五月激情婷婷综合| 高潮毛片又色又爽免费| 99热这| 开心 五月 综合| 人碰人人人玩91| 久大香蕉| 婷婷激情欧美| 婷婷丁香花五月天| 一区二区成人电影免费播放| 狠狠操天天干| 九九操操| 九色激情| 亚洲精品亚洲人成人网| 1010日日无码| 欧美色色色色色色色| 激情综合五月丁香| 久久99热这里只频精品6学生| 九九热视频精品2| 综合色色综合| 国产精品人人做人人爽人人添| 天天天天天天天操| 丁香婷婷久久| 99久久終合| 丁香五月激情综合| 五月天天天天天天天天天天天婷婷婷| 九月丁香| 色欲婷婷五月天丁香| 五月丁香久久| 中文字幕AV在线| 丁香色综合| 成人短视频在线| 青青草99re| 五月天丁香网| 色噜噜狠狠色综合成人网| 伊人婷婷五月天av| 色五月无码| 成人网站免费在线播放| 激情五月婷婷综合网| 99综合视频| 婷婷色色丁香五月天| 日韩AV在线免费| 日本婷婷| 婷婷久月| 久久99网| 久久婷婷亚洲五月天| 婷婷色色综合激情| 久久大香蕉同僚| 91人人操人人看| 三日本无码| 九八Av| www狠狠| 秋霞A V毛片| 97热在线精品| 五月丁香无码视频| 天天 青草 丝袜制服 在线| 亚州精品色情无码A片| 五月丁香六月婷婷啪啪| 色婷婷色综合| 久久精品一区二区三区四区| 欧美在线视频99| 91精品综合久久久久久五月丁香| AV在线大香蕉| 99热这里只有精品1| 色婷五月天综合网| 99热精国产这里只有精品| 激情小说五月丁香在线视频观看视频| 亚洲另类婷婷综合| 久久久久网站| 久天综合| 色五月婷婷自拍| 一区二区免费看| 婷婷丁香成人五月天| 在线超碰免费| 国产女生爱爱AA| 国内自拍1区| 伊人大香久久| 亚洲综合碰| 日韩AV中文字幕在线| 国产av第一专区| 在线成人国产| 偷拍99在线视频观看| 亚洲成人日韩无码精品| 97luluse| 人妻在线观看视频| 97人妻人人| a色婷婷| 91黄址| 综合久久婷婷| 99精品色色| 天堂爱爱| 五月花婷婷丁香| 五月丁香六月婷婷视频| 97色色色| 97性视频| 亚洲AV中文在线| 五月天婷婷久久视频| 五月丁香久久| 九九亚洲天堂| 丁香花狠狠婷婷亚洲中文字幕| 综合超碰熟| 久久婷婷丁香五月宗合| 色情综合| 亚洲美女婷婷五月天| 激情婷婷六月| 天天插天天插天天插天天插| www.五月婷婷久久.com| 天天干天天爽| 思思热在线| 伊人大综合| 日日夜夜九九| 色婷婷久久天天性爱| 亚洲色色色色色色色色色| 日本99在线视频| JlZZJlZZ8JlZZ亚洲熟女| 一本久久婷婷| 天堂资源欧日浪女在线播放| 五月开心婷婷极品激情| 伊人婷婷大香蕉| 另类小说五月天综合| 五月婷网站| 午夜成人AV在线| 九九热精品| 9 1大香蕉| 五月婷精品| 激情网开心网| 五月天综合色| 婷婷97狠狠成人网站| 十二区无码| 成人噜噜网| 成人久久天天x资源站| 99免费视频网| 91一起艹| 天天干,夜夜爽| www.com久久久久久久久久久久久久久久久| 五月婷婷丁香六月| 五月婷婷中字在线| 婷婷天天婷婷天天澡| 激情五月天在线视频| 狠狠色综合无线观看| 成人在线不卡| 成人综合伍月天| 色区久久| 毛v一区二区视频| 婷婷五月成年人| 激情爱爱网站超大免费| 全部老头和老太XXXXX| 色情五月婷| 久热这里只有精品视频6| 9999久久久久| 日日操夜夜操中国无码| 婷婷丁香77777| 久久九九免费视频| 色色国产| 99热天堂| 婷婷五月激情视频| 亚洲中文字幕av| 婷婷五月电影| www.亚洲激情| 欧美搡BBBBB摔BBBBB| 五月天丁香成人社| 丁香五月亚洲| 亚洲人妻av伦理| www.91操| 亚洲视频图片婷婷五月| 欧美性生交A片免费看| 婷婷va| 五月激情五月婷婷五月天在线| 亚洲a色| 丁香五月色情av| 丁香桃色综合网| 婷婷精品视频| 五月天丁香综合久久国产| 99热777| 亚洲精品国产A久久久久久| 九九精品综合| 成人网在线视频| 日美三级| 性生活久久朋友人妻| 嫩BBB槡BBBB搡BBBB| 六月婷婷深深爱| 黄色五月婷婷| 婷婷丁香五月激情密臀av| 丁香丝袜五月| 五月丁香婷婷钟和色图| 啊V视频在线观看| www,色婷婷| 色情开心五月| 亚洲五月花| 99啪视频在线观看| 欧洲免费视频色| 九月丁香很很色| 成人婷婷深爱综合网| 免费无码毛片一区二区A片| 玖玖在线视频| 九九热在线精品视频| 婷婷综合网| 九九这里有精品| 丁香五月在线伊人| 五月天激情国产综合婷婷婷|