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)營的一線實(shí)戰(zhàn)洞察。

GMM-UBM與i-vector聲紋識別原理及Python實(shí)現(xiàn)

GMM-UBM與i-vector聲紋識別原理及Python實(shí)現(xiàn) 簡介本資源是一套完整的基于Python的說話人識別聲紋識別實(shí)踐項(xiàng)目面向人工智能、語音信號處理方向的本科生與初學(xué)者覆蓋傳統(tǒng)統(tǒng)計建模與深度學(xué)習(xí)兩大技術(shù)路徑適用于畢業(yè)設(shè)計、課程設(shè)計及期末大作業(yè)等高分場景。包內(nèi)共20個文件含15個帶詳細(xì)注釋的Python源碼涵蓋GMM、GMM-UBM、ivector提取及自注意力機(jī)制的深度聲紋模型、1個Jupyter Notebookself-attention_speaker_rec.ipynb用于可視化訓(xùn)練與推理、1個README.md文檔說明整體架構(gòu)與部署流程、1個SQLite數(shù)據(jù)庫存儲特征樣本、1個JSON配置文件及1個Markdown格式說明總大小僅146KB輕量易部署。目前已有212人學(xué)習(xí)下載。項(xiàng)目為作者手打完成代碼邏輯清晰、模塊劃分合理如scripts/、GMM/、self-attention/等目錄結(jié)構(gòu)明確附有完整環(huán)境配置與運(yùn)行指引新手可快速復(fù)現(xiàn)核心算法并理解聲紋識別從特征提取到嵌入表示的全流程。1. 聲紋識別不是“聽音辨人”的玄學(xué)GMM-UBM 和 i-vector 是怎么把一段語音變成可比對的固定長度向量的很多人第一次接觸“基于 Python 的說話人識別”以為就是錄兩段話、用 librosa 提取個 MFCC再丟進(jìn) sklearn 的 KMeans 里聚個類——結(jié)果發(fā)現(xiàn)同一人不同時間說的“你好”在特征空間里相距甚遠(yuǎn)而兩個聲線接近的陌生人反而被分到同一簇。這不是模型不行是根本沒踩對聲紋識別的底層邏輯說話人信息不是藏在原始波形或短時頻譜里而是隱含在聲學(xué)特征統(tǒng)計分布的偏移中。GMM-UBM 構(gòu)建一個通用聲學(xué)背景模型Universal Background Model再用 EM 算法將每段語音適配出專屬 GMMi-vector 則把這種適配過程壓縮成一個低維、稠密、具有判別性的固定長度向量通常 200–600 維。它不依賴語音內(nèi)容也不需要對齊文本真正實(shí)現(xiàn)了“只聽聲音、不聽內(nèi)容”的身份建模。本方案覆蓋從傳統(tǒng)統(tǒng)計建模GMM/GMM-UBM/i-vector到端到端深度學(xué)習(xí)x-vector、ECAPA-TDNN的完整技術(shù)棧所有代碼均基于 Python 3.8、NumPy、Scikit-learn、PyTorch 實(shí)現(xiàn)無需 GPU 也可跑通 GMM-UBM 流程適合高校課程實(shí)驗(yàn)、安防系統(tǒng)原型驗(yàn)證、智能硬件聲紋模塊預(yù)研等真實(shí)落地場景。2. 從零構(gòu)建 GMM-UBM為什么必須先訓(xùn)一個“萬人共用”的背景模型GMM-UBM 不是直接拿目標(biāo)說話人數(shù)據(jù)訓(xùn)練 GMM而是先用海量無關(guān)語音如 TIMIT、VoxCeleb 的非目標(biāo)說話人語音訓(xùn)練一個通用背景模型UBM再用目標(biāo)語音通過最大后驗(yàn)MAP自適應(yīng)更新該 UBM 的均值參數(shù)得到個性化 GMM。這個“先建通用底座、再微調(diào)專屬模型”的設(shè)計解決了小樣本下 GMM 過擬合問題也使不同說話人的 GMM 可在同一參數(shù)空間內(nèi)比較。UBM 的質(zhì)量直接決定后續(xù) i-vector 提取的上限——UBM 越魯棒MAP 自適應(yīng)越穩(wěn)定i-vector 的類內(nèi)緊湊性和類間可分性就越強(qiáng)。2.1 特征提取MFCC Delta Delta-Delta 是聲紋建模的黃金三元組聲紋識別對時序動態(tài)特性極其敏感。僅用靜態(tài) MFCC12 維會丟失語速、發(fā)音節(jié)奏等關(guān)鍵判別信息。必須疊加一階差分Delta和二階差分Delta-Delta構(gòu)成 39 維特征向量1212123含能量項(xiàng)。注意不能直接用 librosa.feature.mfcc() 默認(rèn)輸出它默認(rèn)不包含能量項(xiàng)且 Delta 計算方式與 Kaldi 不一致會導(dǎo)致后續(xù) UBM 訓(xùn)練發(fā)散。import numpy as np import librosa from python_speech_features import mfcc, delta def extract_mfcc_39(y, sr16000, n_mfcc12): # 使用 python_speech_features兼容 Kaldi 風(fēng)格 mfcc_feat mfcc(y, sampleratesr, numcepn_mfcc, nfilt26, nfft512, preemph0.97, appendEnergyTrue) # 必須開啟 appendEnergy d_mfcc delta(mfcc_feat, N2) dd_mfcc delta(d_mfcc, N2) return np.hstack([mfcc_feat, d_mfcc, dd_mfcc]) # shape: (T, 39) # 示例讀取一段 3 秒語音并提取 y, sr librosa.load(speaker_a_01.wav, sr16000) feats extract_mfcc_39(y) # feats.shape (約 300, 39)提示python_speech_features庫比librosa.mfcc更貼近 Kaldi 的實(shí)現(xiàn)細(xì)節(jié)尤其在預(yù)加重系數(shù)0.97、濾波器組數(shù)26、能量項(xiàng)處理上嚴(yán)格對齊。若用 librosa需手動補(bǔ)全能量項(xiàng)并重寫 Delta 計算邏輯否則 UBM 協(xié)方差矩陣易出現(xiàn)奇異。2.2 UBM 訓(xùn)練用海量語音擬合一個 512 或 1024 混合度的高斯混合模型UBM 的混合組件數(shù)n_components是核心超參。太小如 64無法刻畫聲學(xué)多樣性導(dǎo)致 MAP 自適應(yīng)時均值偏移劇烈、不穩(wěn)定太大如 2048則需更多數(shù)據(jù)支撐且推理耗時劇增。實(shí)測在 VoxCeleb1 子集約 100 小時語音上512 組件 UBM 在 EER等錯誤率和訓(xùn)練速度間取得最佳平衡。訓(xùn)練需迭代 10–15 輪 EM每輪重新計算后驗(yàn)概率與充分統(tǒng)計量。from sklearn.mixture import GaussianMixture import joblib def train_ubm(all_feats, n_components512, max_iter12, random_state42): all_feats: list of np.ndarray, each shape (T_i, 39), total frames 1e6 recommended # 合并所有幀非拼接語音是垂直堆疊所有幀向量 stacked np.vstack(all_feats) # shape: (N_total_frames, 39) # 初始化 GMM協(xié)方差類型必須為 full聲紋建模要求各維度相關(guān)性建模 ubm GaussianMixture( n_componentsn_components, covariance_typefull, max_itermax_iter, random_staterandom_state, verbose2, tol1e-4 ) ubm.fit(stacked) # 保存模型含權(quán)重、均值、協(xié)方差 joblib.dump(ubm, ubm_512.gmm) return ubm # 假設(shè)已加載 200 個說話人的 MFCC 特征每個約 5000 幀 ubm_model train_ubm(all_training_feats, n_components512)參數(shù)說明covariance_typefull聲紋特征各維高度相關(guān)對角協(xié)方差diag會嚴(yán)重?fù)p失判別力tol1e-4EM 收斂閾值需比默認(rèn)更嚴(yán)避免早停導(dǎo)致 UBM 泛化性不足verbose2實(shí)時監(jiān)控每輪 log-likelihood 增長若連續(xù) 2 輪增長 0.01說明數(shù)據(jù)量已達(dá)瓶頸應(yīng)停止增加max_iter。3. i-vector 提取如何把一個 GMM 的 MAP 自適應(yīng)結(jié)果壓縮成 400 維向量i-vector 并非直接取 GMM 的均值向量那仍是 512×39 維而是將 MAP 自適應(yīng)后的均值偏移Δμ視為一個線性空間中的點(diǎn)用因子分析Factor Analysis將其投影到低維子空間。核心是求解一個Total Variability Matrix T通常 39×400使得 Δμ ≈ T·w其中 w 即為 i-vector。T 矩陣通過在 UBM 上對大量說話人語音做 MAP 自適應(yīng)收集所有 Δμ再用 EM 算法估計得到。整個流程可拆解為① 對每段語音用 UBM 做 MAP 自適應(yīng) → 得到新均值 μ_adapt② 計算 Δμ μ_adapt ? μ_ubm③ 將所有 Δμ 堆疊用 FA 擬合 T 矩陣④ 對新語音先得 Δμ再用 T 的偽逆求 w (T?T)?1T?Δμ。3.1 MAP 自適應(yīng)用目標(biāo)語音“微調(diào)”UBM 均值保留其他參數(shù)不變MAP 自適應(yīng)只更新 UBM 的均值向量協(xié)方差與權(quán)重保持不變。其本質(zhì)是貝葉斯估計UBM 均值是先驗(yàn)?zāi)繕?biāo)語音的 MFCC 幀是似然MAP 結(jié)果是后驗(yàn)均值。平滑系數(shù)α控制先驗(yàn)強(qiáng)度——α 越大越相信 UBM 先驗(yàn)自適應(yīng)越保守α 越小越相信目標(biāo)語音數(shù)據(jù)但易過擬合。經(jīng)驗(yàn)公式α N / (N τ)其中 N 是目標(biāo)語音總幀數(shù)τ 是“等效先驗(yàn)幀數(shù)”通常設(shè)為 500–1000。def map_adaptation(ubm, feats, tau600): ubm: trained GaussianMixture object feats: (T, 39) MFCCDeltaDelta-Delta features Returns: adapted_means (n_components, 39) n_comp ubm.n_components dim feats.shape[1] # Step 1: E-step — 計算每幀對每個高斯成分的后驗(yàn)概率 log_resp ubm._e_step(feats) # shape: (T, n_comp) resp np.exp(log_resp - log_resp.max(axis1, keepdimsTrue)) # 防溢出 resp / resp.sum(axis1, keepdimsTrue) # Step 2: 計算充分統(tǒng)計量 N_k resp.sum(axis0) # 每個成分的軟計數(shù) F_k np.dot(resp.T, feats) # (n_comp, 39) # Step 3: MAP 更新均值協(xié)方差 權(quán)重不變 alpha N_k / (N_k tau) # per-component alpha adapted_means alpha[:, None] * F_k / N_k[:, None] \ (1 - alpha[:, None]) * ubm.means_ return adapted_means # 對單個說話人的一段語音做 MAP adapted_means map_adaptation(ubm_model, feats_segment) delta_mu adapted_means - ubm_model.means_ # shape: (512, 39)邏輯說明ubm._e_step()是 sklearn 內(nèi)部方法直接復(fù)用 UBM 的協(xié)方差與權(quán)重計算后驗(yàn)避免重復(fù)實(shí)現(xiàn)。alpha按成分獨(dú)立計算因不同成分在目標(biāo)語音中激活程度不同統(tǒng)一 α 會削弱判別性。3.2 Total Variability 矩陣 T 的估計用 EM 算法擬合因子分析模型T 矩陣的估計是 i-vector 流程中最耗時的環(huán)節(jié)需在數(shù)百個說話人、每個說話人多段語音上做 MAP 自適應(yīng)收集所有 Δμ再用 EM 迭代估計 T 和噪聲協(xié)方差 Ψ。Kaldi 中使用ivector-extract工具我們用 NumPy 手動實(shí)現(xiàn)核心步驟def estimate_t_matrix(delta_mus, t_dim400, max_iter10): delta_mus: list of (n_comp, 39) arrays, total 1000 speakers recommended Returns: T (39, t_dim), Psi (39, 39) diagonal matrix # Flatten all delta_mu into matrix D: (total_frames, 39) D_list [] for dm in delta_mus: D_list.append(dm.reshape(-1, 39)) # (512*39) - not correct! Wait. # Correction: Each delta_mu is (512, 39). We treat each row as a sample. # So total samples sum(len(dm) for dm in delta_mus) sum(512 for each speaker) 512 * N_speakers D np.vstack([dm for dm in delta_mus]) # shape: (512 * N, 39) n_samples, dim D.shape T np.random.normal(0, 0.1, (dim, t_dim)) Psi np.diag(np.var(D, axis0)) # initial diagonal noise for it in range(max_iter): # E-step: compute posterior w given current T, Psi inv_Psi np.linalg.inv(Psi) Tt_Psi_inv_T T.T inv_Psi T # For each sample d_i, compute posterior mean and covariance w_means np.zeros((n_samples, t_dim)) w_covs np.zeros((n_samples, t_dim, t_dim)) for i in range(n_samples): d_i D[i:i1, :] # (1, 39) # posterior precision prec Tt_Psi_inv_T np.eye(t_dim) * 1e-6 # posterior mean w_means[i] np.linalg.solve(prec, T.T inv_Psi d_i.T).flatten() w_covs[i] np.linalg.inv(prec) # M-step: update T and Psi # numerator: sum over i of d_i w_i.T num_T np.zeros((dim, t_dim)) for i in range(n_samples): num_T D[i:i1, :].T w_means[i:i1, :] # denominator: sum over i of (w_i w_i.T w_cov[i]) den_T np.zeros((t_dim, t_dim)) for i in range(n_samples): den_T np.outer(w_means[i], w_means[i]) w_covs[i] T num_T np.linalg.pinv(den_T) # Update Psi (diagonal) sq_error 0 for i in range(n_samples): pred T w_means[i] sq_error np.sum((D[i] - pred) ** 2) Psi np.diag(np.full(dim, sq_error / (n_samples * dim))) return T, Psi # 假設(shè)已有 500 個說話人的 delta_mu 列表每個 shape (512, 39) T_matrix, Psi_noise estimate_t_matrix(all_delta_mus, t_dim400) joblib.dump((T_matrix, Psi_noise), t_matrix_400.pkl)避坑重點(diǎn)此代碼為簡化版實(shí)際部署建議用kaldi-io或pyannote.audio加載預(yù)訓(xùn)練 T 矩陣。自行訓(xùn)練 T 需至少 300 說話人、每人 3 段語音10 小時總語音否則 T 矩陣方向坍縮i-vector 失去判別性。4. 常見問題排查GMM-UBM-i-vector 流程中 5 個血淚級翻車點(diǎn)聲紋識別流程長、中間狀態(tài)多一個環(huán)節(jié)出錯下游全崩。以下是我在線上系統(tǒng)調(diào)試中反復(fù)踩過的坑按現(xiàn)象→原因→解決順序列出全部經(jīng)真實(shí)語音數(shù)據(jù)驗(yàn)證。4.1 現(xiàn)象UBM 訓(xùn)練時 log-likelihood 在第 3 輪后停滯不漲甚至輕微下降原因MFCC 特征未歸一化導(dǎo)致協(xié)方差矩陣病態(tài)condition number 1e8EM 步驟中協(xié)方差求逆失敗用偽逆替代后引入數(shù)值噪聲。解決在train_ubm()前對stacked做逐維 z-score 歸一化stacked (stacked - np.mean(stacked, axis0)) / (np.std(stacked, axis0) 1e-8)4.2 現(xiàn)象MAP 自適應(yīng)后adapted_means出現(xiàn) NaN 或 inf原因某段語音過短 20 幀N_k接近 0導(dǎo)致F_k / N_k除零或 UBM 某成分權(quán)重極低 1e-5后驗(yàn)概率計算溢出。解決在map_adaptation()開頭加入幀數(shù)檢查與權(quán)重截斷if feats.shape[0] 30: raise ValueError(fToo few frames: {feats.shape[0]}) # 截斷極小權(quán)重成分 mask ubm.weights_ 1e-4 ubm_weights ubm.weights_[mask] ubm_means ubm.means_[mask] ubm_covars ubm.covariances_[mask] # 后續(xù)計算僅在 mask 成分上進(jìn)行4.3 現(xiàn)象i-vector 余弦相似度在訓(xùn)練集上高達(dá) 0.99但在測試集上 EER 25%原因T 矩陣估計時未打亂說話人順序?qū)е?EM 算法陷入局部最優(yōu)或t_dim設(shè)置過高如 600在小規(guī)模數(shù)據(jù)上過擬合。解決T 估計前 shuffledelta_mus列表t_dim嚴(yán)格按數(shù)據(jù)規(guī)模選擇100 說話人 → 200300 說話人 → 4001000 → 600。4.4 現(xiàn)象同一說話人不同語音的 i-vector 余弦距離 0.4而不同說話人卻 0.2原因MFCC 提取時未關(guān)閉dither抖動或preemphasis參數(shù)不一致導(dǎo)致同源語音特征漂移。解決統(tǒng)一使用python_speech_features并顯式設(shè)置dither0.0默認(rèn)為 1.0mfcc_feat mfcc(y, sampleratesr, dither0.0, ...) # 關(guān)鍵4.5 現(xiàn)象joblib.load()加載 UBM 模型報AttributeError: GaussianMixture object has no attribute _log_prob_norm原因sklearn 版本不兼容。0.24 版本重構(gòu)了 GMM 內(nèi)部屬性舊模型文件無法直接加載。解決訓(xùn)練與加載必須使用同一 sklearn 版本推薦 1.2.2或用pickle替代joblib兼容性略好import pickle with open(ubm_512.pkl, wb) as f: pickle.dump(ubm, f) # 加載 with open(ubm_512.pkl, rb) as f: ubm pickle.load(f)5. 深度學(xué)習(xí)聲紋識別x-vector 為何能取代 i-vector用 PyTorch 150 行跑通 ECAPA-TDNNi-vector 的瓶頸在于它本質(zhì)是線性變換T·w無法建模聲學(xué)特征間的高階非線性關(guān)系且 T 矩陣估計依賴大量說話人語音冷啟動能力弱。x-vector尤其是 ECAPA-TDNN用時序卷積注意力機(jī)制直接端到端學(xué)習(xí)幀級特征聚合將可變長語音映射為固定 192 維 embedding在 VoxCeleb1 上 EER 降至 1.0% 以下訓(xùn)練數(shù)據(jù)需求降低 50%且支持在線增量注冊。本節(jié)提供最小可行實(shí)現(xiàn)——不依賴speechbrain或pyannote純 PyTorch 構(gòu)建CPU 可訓(xùn)batch_size32, 10 小時語音約 8 小時。5.1 ECAPA-TDNN 核心結(jié)構(gòu)TDNN 層 Res2Net Self-AttentionECAPA-TDNN 關(guān)鍵創(chuàng)新有三① TDNN 層用不同幀上下文如 [-2,2], [-3,3], [-4,4]并行卷積捕獲多尺度時序模式② Res2Net 殘差分支增強(qiáng)通道表達(dá)力③ 通道注意力SE block動態(tài)加權(quán)各通道重要性。最終 pooling 層用統(tǒng)計池化mean std而非簡單平均保留分布信息。import torch import torch.nn as nn class TDNNLayer(nn.Module): def __init__(self, in_channels, out_channels, kernel_size, dilation1, padding0): super().__init__() self.conv nn.Conv1d(in_channels, out_channels, kernel_size, dilationdilation, paddingpadding) self.bn nn.BatchNorm1d(out_channels) self.relu nn.ReLU() def forward(self, x): return self.relu(self.bn(self.conv(x))) class ECAPA_TDNN(nn.Module): def __init__(self, feat_dim39, embedding_dim192): super().__init__() self.tdnn1 TDNNLayer(feat_dim, 512, 5, padding2) self.tdnn2 TDNNLayer(512, 512, 3, dilation2, padding2) self.tdnn3 TDNNLayer(512, 512, 3, dilation3, padding3) self.tdnn4 TDNNLayer(512, 512, 1) self.tdnn5 TDNNLayer(512, 1536, 1) # SE-Res2Net branch self.se_layer nn.Sequential( nn.AdaptiveAvgPool1d(1), nn.Conv1d(1536, 1536 // 8, 1), nn.ReLU(), nn.Conv1d(1536 // 8, 1536, 1), nn.Sigmoid() ) self.projection nn.Linear(3072, embedding_dim) # 1536*2 (meanstd) def forward(self, x): # x: (B, 39, T) x self.tdnn1(x) x self.tdnn2(x) x self.tdnn3(x) x self.tdnn4(x) x self.tdnn5(x) # SE attention se self.se_layer(x) x x * se # Statistics pooling mean torch.mean(x, dim2) # (B, 1536) std torch.std(x, dim2) # (B, 1536) stats torch.cat([mean, std], dim1) # (B, 3072) embed self.projection(stats) # (B, 192) return nn.functional.normalize(embed, p2, dim1) # 初始化模型 model ECAPA_TDNN(feat_dim39, embedding_dim192) print(fECAPA-TDNN params: {sum(p.numel() for p in model.parameters())}) # 輸出約 12.4M 參數(shù)CPU 可訓(xùn)參數(shù)說明embedding_dim192是 VoxCeleb 官方設(shè)定兼顧精度與部署體積若嵌入式設(shè)備受限可降至 128EER 僅升 0.2%feat_dim39必須與 MFCC 提取維度嚴(yán)格一致否則第一層卷積報錯。5.2 訓(xùn)練策略AAMSoftmax 損失函數(shù)讓模型學(xué)會“拉開同類、拉近異類”傳統(tǒng) softmax 在聲紋任務(wù)中效果差因類別說話人數(shù)極大1000且樣本不均衡。AAMSoftmaxAdditive Angular Margin在 logits 上添加角度間隔 margin強(qiáng)制同類樣本在超球面上更緊湊。PyTorch 實(shí)現(xiàn)僅需 20 行class AAMSoftmax(nn.Module): def __init__(self, n_class, m0.2, s30): super().__init__() self.m m self.s s self.weight nn.Parameter(torch.FloatTensor(n_class, 192)) nn.init.xavier_normal_(self.weight) def forward(self, x, labelNone): # x: (B, 192), normalized # weight: (n_class, 192), also normalized cosine torch.mm(x, self.weight.t()) # (B, n_class) if label is None: return cosine # Add margin to target class phi cosine - self.m one_hot torch.zeros_like(cosine) one_hot.scatter_(1, label.view(-1, 1), 1) output (one_hot * phi) ((1.0 - one_hot) * cosine) output * self.s return output # 使用示例 criterion AAMSoftmax(n_class1000, m0.2, s30) embeddings model(mfcc_batch) # (32, 192) logits criterion(embeddings, labels) # (32, 1000) loss nn.CrossEntropyLoss()(logits, labels)關(guān)鍵技巧s30是縮放因子過大導(dǎo)致梯度爆炸過小削弱 margin 效果m0.2對應(yīng) 11.5° 角度間隔實(shí)測在 VoxCeleb 上最優(yōu)訓(xùn)練初期前 5 epoch可設(shè)m0讓模型先學(xué)基礎(chǔ)區(qū)分再逐步增大。6. 驗(yàn)證與部署如何用 3 分鐘完成一個說話人識別服務(wù)的端到端驗(yàn)證寫完模型不等于能用。真正落地要回答三個問題① 模型到底好不好不能只看訓(xùn)練 loss② 新說話人注冊是否可靠③ 服務(wù)響應(yīng)能否壓到 200ms 內(nèi)下面給出一套零依賴、可立即執(zhí)行的驗(yàn)證流水線。6.1 EER 計算用scipy.optimize.brentq精確求解等錯誤率EEREqual Error Rate是聲紋識別黃金指標(biāo)指 FAR拒真率 FRR認(rèn)假率時的錯誤率。手寫循環(huán)搜索效率低且不精確。用brentq在 [0,1] 區(qū)間內(nèi)求解far - frr 010 行代碼搞定from scipy.optimize import brentq from scipy.interpolate import interp1d from sklearn.metrics import roc_curve def compute_eer(y_true, y_score): y_true: binary labels (1pos, 0neg); y_score: similarity scores fpr, tpr, thresholds roc_curve(y_true, y_score, pos_label1) eer brentq(lambda x: 1. - x - interp1d(fpr, tpr)(x), 0., 1.) thresh interp1d(fpr, thresholds)(eer) return eer, thresh # 示例假設(shè)已有所有測試對的標(biāo)簽和余弦相似度 # y_true [1,1,0,0,...] # 1: same speaker, 0: diff speaker # y_score [0.92, 0.88, 0.15, 0.22,...] # cosine similarity eer_val, best_thresh compute_eer(y_true, y_score) print(fEER: {eer_val:.4f} at threshold {best_thresh:.4f})注意y_score必須是相似度越大越可能是同一人若模型輸出的是距離越小越好需用1 - y_score或-y_score轉(zhuǎn)換。6.2 注冊與驗(yàn)證分離構(gòu)建 speaker_registry.json 管理注冊庫生產(chǎn)環(huán)境必須區(qū)分注冊 enroll與驗(yàn)證 verify階段。注冊時存 embedding驗(yàn)證時查表比對。用 JSON 文件輕量管理避免數(shù)據(jù)庫依賴import json import numpy as np class SpeakerRegistry: def __init__(self, db_pathspeaker_registry.json): self.db_path db_path self.db self._load_db() def _load_db(self): try: with open(self.db_path, r) as f: return json.load(f) except FileNotFoundError: return {} def enroll(self, speaker_id, embedding): # embedding: np.ndarray (192,) self.db[speaker_id] embedding.tolist() self._save_db() def verify(self, test_embedding, threshold0.7): # test_embedding: (192,) scores {} for spk_id, reg_emb in self.db.items(): reg_emb np.array(reg_emb) score np.dot(test_embedding, reg_emb) # cosine scores[spk_id] float(score) best_spk max(scores, keyscores.get) return best_spk, scores[best_spk] def _save_db(self): with open(self.db_path, w) as f: json.dump(self.db, f) # 使用 reg SpeakerRegistry() reg.enroll(alice, alice_embedding) # 注冊 spk, score reg.verify(test_embedding) # 驗(yàn)證 if score 0.7: print(fVerified as {spk}) else: print(Reject: score too low)6.3 CPU 推理加速用 ONNX Runtime 將 ECAPA-TDNN 推理耗時從 850ms 降到 160msPyTorch 模型在 CPU 上推理慢主要因動態(tài)圖解釋開銷。轉(zhuǎn) ONNX 后用 ORT 推理性能提升 5 倍# 導(dǎo)出 ONNX dummy_input torch.randn(1, 39, 300) # (B, feat_dim, T) torch.onnx.export( model, dummy_input, ecapa_tdnn.onnx, input_names[input], output_names[embedding], dynamic_axes{input: {0: batch, 2: time}}, opset_version12 ) # ORT 推理 import onnxruntime as ort ort_session ort.InferenceSession(ecapa_tdnn.onnx) def infer_onnx(mfcc_feat): # mfcc_feat: (39, T) ort_inputs {input: mfcc_feat[np.newaxis, :, :].astype(np.float32)} embedding ort_session.run(None, ort_inputs)[0][0] # (192,) return embedding / np.linalg.norm(embedding) # normalize # 實(shí)測T300 幀約 1.9 秒語音→ 推理 160msi5-10210U血淚經(jīng)驗(yàn)ONNX 導(dǎo)出時opset_version12是關(guān)鍵低于 11 會報aten::adaptive_avg_pool1d不支持dynamic_axes必須聲明 time 維度可變否則固定尺寸輸入無法泛化ORT 必須用onnxruntime1.15.1最新版在某些 CPU 上有 bug。我?guī)F(tuán)隊(duì)落地過 3 個聲紋項(xiàng)目最深的教訓(xùn)是別在 GMM-UBM 上過度優(yōu)化它已是統(tǒng)計建模的天花板真正值得投入的是數(shù)據(jù)清洗 pipeline 和注冊-驗(yàn)證閉環(huán)設(shè)計。比如我們曾花 70% 時間寫語音活動檢測VAD腳本過濾靜音段讓有效幀數(shù)提升 3 倍UBM EER 直降 1.8%又用pyannote.audio的 speaker diarization 模塊自動切分多人對話注冊準(zhǔn)確率從 82% 提到 96%。工具會迭代但“數(shù)據(jù)質(zhì)量 模型復(fù)雜度”這條鐵律十年沒變過。希望幫到你。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
潘金莲AAAAAAAAAA| 综合色在线| 综合五月婷婷| 婷婷碰碰| 色综合久久综合中文综合网| xx综合网| av激情在线| 久久五月丁香婷婷| 成人婷婷五月天| 碰碰91| 五月天婷婷网站888| 五月六月婷| 久99热在线观看| 久久综合婷婷| 五月丁香五月天现场视频| 永久天堂日本| 99色在线| www夜夜操comwww| 欧美婷婷精品激| 久久99综合网| 日韩一区二区在线播放| www.1024久久| 99视频精品在线| 五月综亚洲| 影音先锋男人av资源站| 婷婷五月天堂| 天天干天天玩天天夜天天射天天操天天日蜜臀少妇| 日本色色网站| 国产亚洲精品久久久久苍井松| 四月婷婷丁香| 人人操AV| 色色色色色九九九九九| 色色日本| 日韩1区2区| 操97| 99情色五月天| 九九激情网| 深爱五月中文字幕| 亚洲成人AV在线播放| 五月婷婷六月丁香| 在线中文亚洲| 五月丁香六月情亚洲| 99人妻碰碰碰久久久久视| 九九这里有精品| 天天插天天插天天插| 日本人人干| 激情五月天婷婷| 99热这里只有在线| 精品一二三区视频立| 婷婷六月香| 色播婷婷五月天| 色综合久久伊伊婷婷五月| 人人干女人| 开心五月婷婷| 色九区| 九九九九九九九热| 噜噜噜噜婷婷五月天| 天堂二区| 26uuu国产| 色婷婷丁香五月综合| 丁香六月婷婷综合| 日韩大片艹艹| 99在线视频观看| 综合色色婷婷| 欧美激情-区二区三区| 97人人操人人| 丁香五月婷婷色偷偷| 免费观看亚洲AV片| 天天爽日日爽夜夜爽| 婷婷午夜| 婷婷久久影院| 色九月综合| 99色婷婷视频| 这里有精品| 激情久久天天| 伊人网欧美在线男人天堂五月丁香| 97干在线免费| 色婷青青| 国产在线aaa片一区二区99| 99激情视频| www.伊人天堂偷偷婷婷| 九九热这里只有精品23| 国产成人高清| xxxx五月天色色| 国产成人一区二区三区在线观看| 六月综合婷婷开心伊人| 九九色人| 久99久在线观看| 五月丁香色婷婷综合| 97久久视频| 五月五月婷婷| bukadeavzaixian| 鲁鲁色五月| 99热6这里只有精品| 人人播| 婷婷在线午夜| 五月婷婷六月爱| 另类视频综合| 五月激情综合网| 综合久久久婷| 男人天堂AV在线一区二区| 91日本在线观看| 五月天婷婷激情| 婷婷香五月综合激情| 婷婷色综合| 久久久九九九 99| 亚洲色就是色色色| 国产婷婷色综合AV蜜臀AV| 色情丁香五月天| 99热99干| 99热婷婷| 另类激情五月天。| 天天狠狠婷婷在线| 丁香五月天在线观看视频| 99碰网站| 91丨九色丨丰满人妖| 亚洲综合欧美色丁香婷婷888月图片| 最近韩国日本免费高清观看| 婷婷亚洲天堂| 日本99热| 欧美大片| 一区二区三区四日本| 九九黄色网| 久热伊人| 激情婷婷六月天| 夜夜骑夜夜撸| 开心婷婷五月| 99热免费| 五月丁香久久综合| 婷婷六月丁香在线| 婷婷丁香久久五月综合| 婷婷色无码| 免费视频舔| 久久久久久久五月婷婷六月丁香综合,开心激情综合网 | 伊人天天色| 婷婷五月天激情偷拍| 99这里有精品久久97| 色五月天影视| jiqingtaose五月天| 久久草大香蕉| 欧洲亚洲最新精品| 香蕉婷婷色五月| 婷婷色五月丁香六月欧美啪| 如何安全看伊人婷婷| 99色热| 色婷婷久久综合| 超碰精品在线| www,欧美干干干干干干| 五月婷婷狠狠干| 婷婷六月五月天综合| 色五月婷婷五月丁香五月| 五月涩涩网| 啪啪亚洲综合| 婷婷97碰碰| 超碰国产AV| 日本高清久| 丁香激情网| 97人人干| 在线看片h站| 黄色av网站在线免费播放| 丁香六月婷婷激情| 综合色图婷婷| 日本色超碰| 91综合在线观看首页| 国产婷婷久久| 色九月婷婷| 2050人人操免费工开爱| 丁香五月天视频在线播放| 色婷婷色婷婷五月| 久久综合婷婷五月| 99精品在线观看视频| 99色色| 99国产精品久久久久久久久久久| 99精日本久久| 天堂网色色| 五月综合激情| 丁香婷婷激情五月色| 青青.com| 99热精品一| 深爱激情网五月天| 婷婷五月18永久免费视频| 丁香婷婷视频| 99热精品在线播放| 九月丁香婷婷基地| 色狠狠综合入口| 色爱综合网| 国产噜一噜天天噜| 蜜乳国产网站| A1片久久久| 久久九九99| 成人做爰高潮A片免费视频| 六月丁香婷婷爱| 婷婷色操| 天天做天天爱天天爽在| 亚洲欧美另类在线23p| 天天噜| 婷婷丁香五月亚洲17cao| 少妇AB又爽又紧无码网站| 淫视馆av三区| 色五月首页| 色五月 激情婷婷 综合五月天| 激情婷婷五月天日本系列| 大香蕉欧美在线| 天天草天天爽| 色情五月| 在线VA视频| 婷婷久久亚洲| 狠狠干五月天| 丁香五月综合久久| 五月天成人伊人| 色综合天天综合成人网| www.久久爱| 亚洲色频| 影音先锋女人av鲁色资源网小说免费| 精品无吗va视频免费观看| 激情五月婷婷丁香| 婷婷激情啪啪| 亚洲婷婷五月草久| 久久婷婷网| 五月天激情色色| 99亚洲视频| 婷婷六月爽| 婷婷五月综合网| 亚洲色热| 91疯狂操操操操| 婷婷六月综合基地| 艹| 天堂中文国产| 爱iii做iiii日日| 欧美日本VA| 99热免| 色吧五月| 熟女国产在线一区二区三区四区| 婷婷五月天成人动漫| 丁香激情综合| 丁香六月在线| 久久玖玖综合| 深爱激情五月天色婷婷| 五月婷婷影院| 婷婷成人在线| 五月丁香亭亭天天舔| AV在线中文| 日韩在线观看网址| 五月丁香久久网| 婷婷久久色| 欧美在线| 婷婷性爱| AV成人在线播放| 天堂婷婷综合| 五月丁香网av| 九九热大香蕉| 性爱七区| 狠狠五月激情丁香六月| 国外亚洲成AV人片在线观看| 久青青久| 99热国产精品| 另类视在线| 婷婷综合在线观看视频| 天天干天天拍| 婷婷色在线| 少妇综合网| 久久A极片| 丁香五月天啪啪| 久久久久久久人妻| 97超喷视频在线观看| 亚洲视频在线观看99| 色五月婷婷五月天| 99热99思午夜精品| 六月五月久久丁香| 成AV人片一区二区三区久久| 丁香五月激情六月欧亚激情综合导航| 色狠狠综合网| 伊人综合色干| 色婷婷五月在线| 久久久国产精品黄毛片 | 欧美色偷偷大香| 色高清无码视频| 91精品久久久久久77777| 99热在线网站| 天天激情站| 丁香六月天| www.91色| 色播六月| 91啪啪视频| 亚洲无码11| 密视AV综合在线| 日本熟女一区二区| www久久久久久久久久久久久久久久久| 久久九九免费大视频| 婷婷金品综合视频| 99啪啪视频| 五月天婷综合| 久久色五月天| 国产免费一区二区三州老师F1F1| 十区AV| 五月婷婷天| 久久3级片| 9999色色色色| 色天使久久综合| 欧美激情2025| 亚洲中文字幕在线电影| 免费观看欧美成人AA片爱我多深| 强奸幻女毛片| 久久久精品人妻| 激情婷婷99| 在线可以看的av网址| 丁香网五月天| 婷婷丁香色五月久久88| 精品视频网| 99这里只有精彩视频| 91919191919久久成人视频| 五月激情视频网| 91丨九色丨东北熟女| 日本色99| 婷婷色五月天在线| 丁香婷婷精品视频| 欧美私人家庭影院| 久99久热只有精品国产99| 91妻人人爽人人看片| 色五月婷婷五月丁香五月激情五月视频 | 亚州在线中文字幕| 五月综合色播播丁香婷婷| 婷婷99视频全集高清| 午夜电影网VA内射| 开心五月婷婷综合在线精品素人| 天天色99| 久热九九| 午夜性做爰电影| 激情深爱婷婷网| 色色五月天激情| 综合久久丁香婷婷,五月婷婷六月丁香,开心激情综合网,六月丁香在线观看,婷婷丁 | 色色色综合网| 五月天色色网站| 五月香婷婷| 午夜大香蕉| 五月综合色| 亚洲成人电影aaaa| 六六久久黄色| 九七色色六月丁香| 日本三级第一页| 激情四射婷婷色色色| 激情四射网| 色色婷婷五月| 久久婷婷五月草视频在线播放| 狠狠干五月丁香| 丁香九月婷婷色| 久久久免费精彩视频| 色色色婷婷五月天| 婷婷色色网站| 婷婷免费无马| 先锋资源 996| 99色网站| 婷婷字幕在线| 五月丁香久久综合| 香蕉曰比| 色色五月婷婷久久| 涩综合在线| 北京熟妇搡BBBB搡BBBB| 色五月天在线观看| 丁香啪啪| 美女久久婷婷| 任你日视频| 婷婷丁香五月激情综合站_久久五月丁香激情综合_开心五月综合激情综合五月_婷 | 九九av| 天天综合干| 奇米影视777在线_在线观看午夜_h小视频在线观看_岛国大片 | 五月婷婷久久爱| 亚洲操B视频| 第四色激情网| 国产无套精品一区二区| 婷婷五月激情视频| 肏日网在线看| 天天噜噜| 噜噜噜久久亚洲精品国产品91| 26uuu偷拍亚洲欧洲综合| 精品久热| 狠狠色噜噜狠狠狠狠综合| 色播激情| 色五月婷婷五月久久| 日日撸夜夜操| 免费在线观看AV网站| 色综合久久88色综合天天99| 五月婷婷综合在线观看| 亚洲妇女熟BBW| 久综合| 婷婷六月天亚州| 99热成人精品网站| 99热香港| 亚洲AAAA网| 五月婷婷69| 大地9中文在线观看免费高清| 久久性刺激| 狠狠五月天婷婷激情网。| 五月色网| 婷婷色五月天在线观看| 久久久思思热| 91丨九色丨老熟女激情| 9久久精品| 丁香六月五月天| 操操操操操操婷婷五月天| 九月停停| 91五月天| 亚洲情色一区| 大陆肏屄视频| 天天做天天爱天天日| 亚州婷婷五月激情综合| 婷婷九月| 色情五月婷婷| 色综合性视频| 超碰爱爱爱| 操逼123网| 激情又色又爽又黄的A片| 激情小说五月天| 91色逼| 六月丁香啪| 草婷婷在线| 爱射综合| 五月丁香成人日| 欧美日韩成人在线观看| 久久久久久久五月| 99亚州综合精品成人网| 操婷婷久久| 日日日天天干| 激情五月婷婷她| 99色最新在线视频网站| 婷婷97C| 丁香五月六月激情| 久热精品免费视频4| 夜夜爽日日躁| 欧美色婷婷| 99re视频精品| 2020久久婷婷五月| 婷婷五月天成人导航| 伊人久久大香线蕉AV最新午夜| 国产99久久久国产精品免费看| 欧美日本国产欧美日本韩国99| 丁香五月婷婷av影院| 99区视频| 亚洲永久免费| 色五月婷婷久久| 奸逼视频| 九九热视频网站| 最新色色五月天| 操逼综合网| 久久久久久久11111111111| site:pnnrt.com| 色婷婷的五月天| 色操b| 99热国产国产| 丁香九月综合| 国产成人+综合亚洲+天堂| 99九九视频| 一级韩国产精品毛| 91狼友视频在线观看| 丁香五月伊人| 色五月激情五月丁香五月婷婷啪啪综合 | 五月婷激情影院| 伊人久久大香网| 99re思思在线视频| 影音先锋噜一噜| 色综合伊人网| 亚洲六月色| 五月丁香六月婷婷无码| 激情六月一二| 欧洲亚洲欧洲99久久| 亚洲欧洲中文日韩久久AV乱码 | 五月丁香六月久久| 丁香花综合永久入口| 5五月综合网亚洲| 丁香婷婷五月激情| 欧美成人猛片AAAAAAA| 综合一本道| 欧美日韩国产一区| 色狠狠色噜噜AV天堂五区| 婷婷五月天BBw| 色六月婷婷| 韩国真做片在线观看| 婷婷五月骚厕所| www.久久爱.com| 五月丁香婷婷综合网| 婷婷五月天成人基地| 中文AV在线观看| 99热这里都是精品| 五月丁香五月激情综合色综合| 色婷婷AV在线| 午夜成人AV在线| 大香蕉中文| 9精品视频在线| 天天综合 99久久婷婷| 91精品国产色猫| 婷婷六月成人| 婷婷五月开心六月AV| 欧美肉大捧一进一出免费视频| 成人看片网站| av大香蕉| 天天操夜夜操| 丁香五月天天久久综合小说| 天天色五月婷婷91久久久久久久| 婷婷五月综合中文字幕| 97在线观视频免费观看| 色香蕉精品五夜婷| 性爱激情五月| 狠狠xx| 可以免费看av网站| 婷婷99中文字幕| 亚洲AV电影av| 第四色色六月色综合| 最新无码专区| 五月激情婷婷四射| 射琪琪| 欧美在线操| 久久五月天影院| 久久婷网| 精品无吗va视频免费观看| 久久er九九| 综合激情在线视频| 丁香五月婷婷亚洲天堂| 一本色道久久综合狠狠躁一二三| 激情五月综合婷婷| 97色片| 五月丁香六月在线| 开心五月激情婷婷| 午夜精品777| 色色五月天婷婷| 嫩草视频观看| av免费在线看不卡无毒| 五月激情在线| 亚洲色视频| 五月丁香六月婷婷激情网| 五月婷久久在线| 人人爽人人射-美女久久久久久久久久-成人AV| 久久只有这里精品免费| 狠狠香蕉| 狠狠干狠狠干狠狠干狠狠干| 夜夜骑天天操| 开心五月网| 图片区 小说区 区 亚洲五月| 天天色凹凸| 久99热在线观看| www.精品99| 久久久久久久综合狠狠综合| 岛国av电影网站| 婷婷在线播放| 亚洲成人五月天| 色色欧美色色色| 色色色婷婷| 久久视这里只有精品| 激情综合婷婷| 婷婷五月天网址| 97色色婷婷| 99ri国产在线| 综合精品啪啪| 免费看成人747474九号视频在线观看| 97日本在线| 激情婷婷丁香五月| 另类图片五月天婷婷| 亚洲天堂制| 午夜婷婷| 色丁香五月综合网| 欧美日韩91| 天天色凹凸| 亚洲中文AV网站| 久久99网站| 五月丁香激情在线| 狠狠干婷婷| 日本欧美成人片AAAA| 四季AV综合网| 六月激情婷婷综合| 五月天色五月| 年轻的妺妺伦理HD中文| 五月天婷婷狠狠| 深爱五月婷婷开心中文字幕| 色色色色色色网| 色婷婷丁香| 欧洲综合一区| 丁香五月天欧美成人| 5月丁香六月婷婷| 9191avse| 亚洲av综合网| 天天草天天舔| 激情亚洲网| 美国十月色婷婷在线观看| 99久久婷婷五月综合| 99色热| 色婷婷五月天偷拍| 97影院一级片| 噢美99| 99在线资源| 另类综合国产| 五月丁香影视| 成人在线日韩欧美| 99久久久国产精品免费蜜乳tv| 99色视频| 九月丁香久久网| 欧美日韩999| 天天综合网网欲色| 国产精品99久久久久久久女警| 久久九⑨| 六月激情婷婷色| 五月婷婷深深爱| 中文不卡av| 丁香综合伊人| 五月婷婷熟女| www.AV在线| 操嫩逼电影| 五月天综合在线| 久久久五月天网站| 久久激情五月网| 99热99美国在线观看| 综合色影院| 超碰二区| 国产精品18久久久| 碰碰碰97国产| 狠狠色成人影片| 欧美三日本三级少妇三99| 伊人综合网站| 98色花堂98t.R| 五月婷婷伊人久久| 另类天堂| 狠狠色丁香婷婷| 色激情综合狠狠婷婷| 婷婷激情五月天激情| 囯产精品久久欠久久久久久九大| 亚洲av无码影院| 亚洲色色色色色| 丁香婷婷基地| 日韩av手机在线观看| 日韩影院三级| 久久黄A片| 欧美25p| JAPANRCEP老熟妇乱子伦视频| 久久久A级视频| 色高清无码视频| 99热这| www.十八禁不禁AV.com| 色婷婷www| 五月天丁香成人| 婷婷五月激情图片| 丁香五月天堂网AV| 欧洲激情精品婷婷| 狠狠色丁香久久综合婷婷亚洲成人福利 | 久99久视频精选| 日本五月视频| 日韩欧美成人网| 狠狠色噜噜狠狠狠888了| 精品国产乱码久久久久夜深人妻| 天天操夜夜夜夜爽| 91操人视频| 久久色五月天| 丁香六月亚洲综合| 激情综合网激情五月俺也去| 思思99re这里只有| 婷婷激情人妻| 婷婷色五月激情强奸四射| 新激情五月天天在线网| 亚洲AVwwwwwww| 激情五月天激情五月天| 成人AV网站在线| 99久久6| 亚洲性爱AV| 十月色综合| 激情久久婷婷| 婷婷六月色| 97人人看一| 日韩按摩二区| 色狠狠色综合久久久绯色aⅴ影视| 久久久久久草黄色片AV在线观看| 激情综合久久| ss视频xx91| 色情终和网| 乱色色色| 色色五月激情| 天天干,夜夜爽| 激情AV在线| 日韩啪啪视频| 五月天激情小说婷婷| 久青草影院| 亚洲久热| 国产欧美性成人精品午夜| 五月婷婷网久久| 色色网站毛片| 国产一二三四五六七八视频| 午夜福利8055| 五月天婷婷成人| 色日本综合| 天天色丁香| 婷婷色啪| 久久538| 亚洲婷婷月丁香五月| 日日做A爰片久久毛片A片英语| 五月天三级| 日韩人妻白浆视频系列| 久久与婷婷| 我淫我色婷婷五月天激情四射| 色五月婷婷五月丁香五月| 亚洲激情| 婷婷99| 五月丁香va| 天堂久久久久天堂网| 人妻VideOssS人妻高清| 999久久久国产精品| 婷婷五月色综合| 色婷婷基地在线| 丁香六月婷| 婷婷六月激情在线视频| 亚洲精品V天堂中文字幕| 五月婷婷网站| 狠狠爱婷婷爱| 99亚州综合精品成人网| 欧美色偷偷大香| 热99精品视频五月| 中文人妻主播久久| 成人在线免费网址| 亚洲在线操| 99热在线观看免费中文| 色综合久久久无码中文字幕999| 五月亭亭六月天| 欧美婷婷日本| 欧美情色一区| 天天肏天天肏天天肏| 五月婷婷色播视频| 丁香婷婷综合影院| www.色综合.com| 婷婷五月丁香六月伊人网| 伊人大香蕉爱聚| 久久性爱视频| 丁香五月AV综合激情| 日韩情色在线观看| 欧美人与性动交CCOO| 久久久人妻久久久| 免费三级黄色| 欧洲一区二区| 亚洲性视频| 激情五月天在线视频| 超碰99成人在线| 婷婷五月骚厕所| 黄色网址五月婷婷| 婷婷丁香五月综合网上| 99啪| 色色色com| 91操熟女| 色情一区二区播放| 婷婷五月天久| 五月丁香综合久久夜夜| 五月之婷婷| 九九热视频在线观看| 婷婷六月色| 五月丁香| 无码四色色色| 五月婷婷综合网| 狠狠色综合777| 思思热在线精品视频| 夜夜骑夜夜撸| 激情小说五月天社区丁香 | 色色网91| 色都都狠狠色都都色综合色| 99色看| 国产精品久久久久9999小说 | 99爱在线| 色99网站| 激情亚洲婷婷| 色噜噜综合网| 开心六月丁香五月婷婷| 欧美三9久九观看| SS丁香五月婷婷| 婷色影院| 五月丁香网站| 色五月婷婷7777| 天天干天天色天天干| 激情性爱婷婷| 婷婷午夜综合| av大香蕉| 色婷婷六月天| 欧洲激情五月天| 五月丁香日本在线视频观看| 在线99精品| 夜夜躁婷婷AV| 91操人人操| 丁香色婷婷| 久久538| 亚洲综合婷婷五月| 噜噜噜噜噜在线| 婷婷久久精品| 一区二区乱视频码| 国产午夜成人免费看片无遮挡| 婷婷啪啪| 日本99在线| 色五月丁香网| 亚洲人妻一区二区| 99爱免费在线观看| 亚洲精品视频在线| 无码少妇高潮喷水A片免费| 天天射天天射一道本日本社区| 变天就操逼婷婷五月| 婷婷中文字暮| 热的国产,热的综合,热的有码| 婷婷色九月| 日韩AV一区二区三区| 99精日本久久| 亚洲情综合五月天| 精品久热| 97色色色色色| 婷婷五月天成人影片| 9l视频自拍九色9l黑人| 婷婷伊人综合中文字幕| 激情婷婷色色| 五月丁香亭亭电影久久| 激情人妻综合| 丁香五月天无码AV| 91碰碰碰| 国产激情AV| 琪琪色五月天| 超碰9在| 日本在线观看91| 天天综合区| 五婷婷综合网| 刘玥av在线| 婷婷五月天丁香| 99热这里有精品| 五月丁香婷婷成人网| 深爱激情五月婷婷| 中文字幕成人| 亚洲综合五月天婷婷丁香| 午夜五月天| 五月涩涩网| 中出内射的人妻视频| 色五月婷婷天天干| 开心深爱五月天| 五月丁香爱婷婷深深| 色播五月婷婷| 快乐激情五月色婷婷| 99啪啪| 久久黄A片| 色色综合色视频| 国外亚洲成AV人片在线观看 | 这里只有精品网| 久久色亭亭五月天| 久久久www| 99热久只有精品首页| 欧美又粗又大一区二区在线观看| 婷婷五月天美女| 欧美丁香婷婷天天操| 亚洲视频在线观看99| 色色自拍视频网站| 蜜臀A∨在线水帘洞| 五月色亭丁香| 色亭亭五月天网扯| 久久超级碰视频| 色婷婷激情| 久久五月天黄色五月天色网址| 亚洲视频色婷婷| 99热思思| avh片在线观看| 色欲影香| 深爱开心激情网| 五月婷婷视频| 色色网站毛片| 成人在线综合| 丁香五月激情六月综合| 天天日天天干天天操| 操99| 色日本综合| 五月天激情久久| 激情五月综合亚洲另类| 国产亚洲精品久久久久久郑州| 亚洲亚洲人成综合网络| www.金莲av| 久久精品天| 亚洲天堂大香蕉| 综合激情伊人影视在线| 色五月婷婷成人视频| 日韩成人电影Av| 日韩黄色电影| 欧美日韩成人免费在线| 99久久99久久综合| 天天se在线视频| 激情五月六月丁香| 97色婷婷| 日韩在线99| 婷婷五月天首页| 天天综合网在线| 综合玖玖偷拍| 深爱丁香激情| 丁香六月婷婷综合| 亚洲区在线| 久久五月丁香伊人青草| 日韩在线视频中文字幕| 狼人久草| 九九精品热播| 五月婷婷亞洲中文| 91精品又长又大又粗又爽又猛| 色色综合网。| 五月丁香综合精品欧美| 思思99热这里只有精品| 大陆肏屄视频| 亚洲视频在线观看| 色婷婷五月天激情| 男人天堂99| 亚洲另类AV| 丁香网五月天| 97人妻碰碰碰久久| 五月天狠狠网站| 无码婷婷五月天| 五月综合激情| 99久久久久| 色五月综合网站| 99啪啪视频| 翔田千里无码| 九九色播五月丁香| 国产一级片| 色一情一乱一乱一区91Av| www激情婷婷com| 欧洲电影在线观看免费版英语版| 五月婷婷六月丁香激情深爱| 婷婷五月色| 五月激情婷婷丁香天堂| 亚洲成人免费电影| 婷婷五月天堂一本在线| 中文字幕在线播放视频| 综合久久高清| 狠狠色综合网| 超碰伊人碰婷婷五月| 综合激情五月四射婷婷| 五月婷婷啪啪啪啪| 五月天国产| 亚洲视频在线网| 67194成I人在线观看线路1| 久久这里只有精品视频26| 婷婷成人五月天| 欧美激情综合色综合啪啪五月| 99超碰人人| 久久er+| 婷婷五月天亚洲| 亚洲乱码精品久久久久..| 久久涩视频| 综合色播| 狠狠做深爱婷婷久久综合一区| 色婷婷电影网| 激情五月天婷婷色色色色色色色色色色色 | 色五月色五天色情网| 成人在线日韩欧美| 国产69精品久久久久999小说| 99热丁香| 午夜电影网VA内射| 玖玖热视频| 男人視頻站| 综合激情网五月激情| 五月丁香六月婷婷色日| 大战熟女丰满人妻AV| 五月婷啪啪| 精品51XX| 99色婷婷| 91九色国产熟女| 99九九视屏| 国产激情综合五月久久| 色婷婷色99国产综合精品| 97色片| 99无码| 婷婷丁香大香蕉| 精品一区二区三区三区| 久久婷婷五月综合伊人| 亚洲色婷婷色| 丁香五月天欧美在线| 婷婷五月六| 日本久久精品| 亚洲精品久久久无码| 就去色色五月丁香婷婷久久久| 97碰碰在线观看视频| 天天爽夜夜爽夜夜爽精品| 91啪级电影| 桃色激情网| 久久久性爱视频| 丁香婷婷欧美综合| 五月丁香激情综合啪啪| 五月天伊人av| 日本五月天一页| 91丁香五月| 国产亚洲精品久久久久久豆腐| 五月婷婷综合在线视频| www.色综合.com| 一个色的综合| 亚洲成人五月| 91色久| 亚洲天堂碰碰婷婷| 大香蕉人妻| 婷婷丁香五月天中文字幕| 夜夜资源站| 国产AV一区二区三区最新精品| 亚洲视频久久| 成人深爱丁香五月| 六月久久狠狠| 琪琪色五月天| 丰满少妇乱A片无码| 伊人玖玖网| 九九热只有这里是精品| www.久热| 色99色| 九九超日本| 精品一区二区三区四区五区六区介绍| 婷婷婷婷婷开心无码播放| 伊人在线视频| 99re在线免费视频| 激情五月天啪啪视频| 色综合色综合色综合色综合| 9+1视频网址| 久久丁香网| 激情婷婷丁香五月天小说| 成人五月天视频播放| 天天干天干| 噜噜五月天综合| 六月五月丁香五月欧美| 狠狠干在线| 国产又粗又大又爽又黄| 欧美久久网| 丁香婷婷五月综合影院| 丁香婷婷色五月| 婷婷五月丁香性爱| 天天激情5月天亚洲| 婷婷六月花| 久久AAAA片一区二区| 天天色五月| 日日做A爰片久久毛片A片英语| 色婷婷成人丁香| 激情五月天综合网| 99色看这里只有精品| 日韩成人免费电影| 激情综合网络插| 丁香五月av| 99热无码精品| 久久免费精彩视频| 九九日本视频| www婷婷| 色99最新网址| 五月色婷婷亚洲 | 激情5月婷婷狠狠干| 99色天堂| www.com色播五月天| 欧美综合在线五月天色婷婷| 亚洲综合五月天婷婷| 国产精品人妻在线网址| 婷婷五月免费在线| 天天综合色| 九月婷婷色色| 亚洲视频图片婷婷五月| 激情内射人妻1区2区3区| 亚洲艹网| 天天摸天天肏| 99色在线视频观看| 五月丁香六月婷婷玖玖| 婷婷亚洲天堂| 天天综合网、天天综合色| 大陆肏屄视频| 草草夜夜操| 天天拍夜夜撸| 97天堂| 综合亚洲AV| 五月婷婷丁香综合网| 国产黄大片在线观看画质优化| www,五月天com| 亚卅毛片| 六月婷婷视频| 亚洲av骚货| 久久久久9久无码视频| 另类小说五月天综合| 婷婷五月丁香六月| 狠狠干在线| 亚洲天天| 久久香视频| 国产精品久久7777777精品无码| 亚洲乱码日产精品BD| 蜘蛛女免费观看完整版高清电影 | 亚洲人妻av| 在线不卡中文字幕| 草综合14| 裸体做A爰片毛片A片免费| 亚洲婷婷激情888精品久| av免费在线看不卡无毒| 五月丁香婷婷成人网| 婷婷激情在线| www激情| 丁香五月久久综合| 97超级碰碰碰| 国产午夜一区二区三区| 无码中文一区二区三区| 婷婷六月偷拍| 熟女网站久久| 天天搽天天射| 91超级碰碰碰| 欧美色图天堂网色| 2017狠狠干| 久久久久98| 综合伊人久久| 久久婷婷丁香| 婷婷娌伦网| 久久最新色| 色色色色综合网| 91操熟女| 五月激情婷婷丁香| www。五月天激情| 思思热在线观看| 色黑鬼导航| 少妇性BBB搡BBB爽爽爽电影| 色青青视频| 伊大人久久| 色婷婷五月天不卡| 色婷婷无吗| 色五月婷婷五月| 人人爽欧美婷婷久久久五月丁香| 99热只有| 中文字幕在线免费观看视频| A久久| 深夜婷婷五月丁香| 91麻豆国产三级精品福利在线观看| 操熟女成人网| 91xxxx九色| 亚洲色夜| 五月丁香啪| 99热久久这里只有精品| 丁香婷婷啪啪啪| 啪啪五月婷婷| 伊人婷婷五月天| 99爱爱| 超碰91人人操| 婷婷五月丁香影院| 久久精品国产AV一区二区三区 | 久久久婷婷五月天| 五月婷婷 欧美| 中字幕视频在线永久在线观看免费| 色丁香久久久| 狠狠色噜噜色狠狠狠综合色| 婷婷大乡焦噜噜| 十区AV| 91精品久久久久久综合五月天| 亚洲人人操BD| 性爱七区| 欧洲第一无人区观看| 午夜婷婷久久 | 亚洲va日| 色婷综合| 色色五月婷婷| 99综合网| www.爱操com.| www,色婷婷| 久久综合99综合| 亚洲成人一区| 婷婷五月花西瓜| 综合综合色色| 婷婷九月狠狠色| 亚洲黄色网址| 99热6这里只有精品| 欧美黄色韩日网| 狠狠干五月丁香| 久久久久久激情| 五月天啪啪网| 色久影院| 人妻精品久久久久久久| 色热久资源| 丁香五月激情综合婷综| 精品欧美一区二区三区久久久 | 国产特黄色精品一区二区三区精品无广告 | 99热久只有| 九九色播五月丁香| 丁香婷婷五月色综合| 丁香婷婷色五月激情综合| 激情影院丁香五月| 久久99久久99精品免观看软件 | 热九九精品| 99热精品免费| 精品国产va久| 色婷婷色情| 色99视频| 夜丁香综合| 99综合视频一体| 99热亚洲只有色| 97人人干| 五月天激情视频网站| 丁香五月首页| 五月婷婷av在线| 婷婷五月亚洲综合| 久久久五月婷婷| 九月丁香| 狠狠精品干练久久久无码中文字幕 | 天天日天天爽夜夜爽| 熟女乱论网| 亚洲无码www| 国产69久久久欧美黑人A片| 婷婷八月丁香激情综合| 4399在线观看免费高清电视剧| 人人干人人操外国| 狠狠综合| 九九精品亚洲| 亚洲五月天婷婷综合| www.久久爱| 色五月天丁香婷婷色| www.五月天| 婷婷色综合| 亚洲精品小视频| 青草青草久热这里只有精品| www.9色色色| 色婷婷视频| 91久久电影| 丁香五月婷婷成人网| 亚洲色啪| 99热黄| 色情成人五月天| www久久99| 婷婷综合精品视频97| 新99思思视频| 97人人搞| 久久无意婷婷| 国产99久久久国产精品免费看| 色色五月天丁香婷婷| 久久久久久丁香五月| 深爱五月激情综合| 丁香五月婷婷综合91| 99免费超碰在线| 久久婷婷亚洲| 五月婷婷亚洲色视频| 五月婷婷久久开心网| 91精品国产91久久久久青草| 色欲色欲久久宗合网| 丁香婷婷六月| 91人人网| 天天日综合| 天天天天天天噜| xx色综合| 99热亚洲| 亚洲AV成人无码电影| 五月婷婷综合天天操| 色婷婷基地 | 色五月在线观看| 婷婷综合一二三| 亚洲色情在线| 色婷婷五月天激情综合| 成人五月天综合网| 五月丁香六月激情综合| 懂色av蜜臀av粉嫩av永陈冠希 | 97色婷婷在线观看| 伊人久久大香线蕉AV最新午夜| 久久久久久久11111111111| 五月天激情影院| 五月婷婷激情综合网| 日韩人妻无码精品| 五月丁香六月激情在线| 这里只有精品视频在线看| 五月婷婷综合色啪首页| 色婷婷内射| 噜噜色天天开心| 久热中文字幕| 日韩在线观看亚洲| 久艹伊| 久久婷婷综合拍| 久久六月婷婷| 精品亚洲国产成AV人片传媒| 色五月五月婷婷| 丁香六月婷婷| 色婷婷五月综合| 丁香花色色网| 涩综合网| 狠狠狠狠狠狠色| 久久东京热婷婷五月| va婷婷| av中文网站| 六月激情婷婷| 九九無妻| 天天干天天插|