本发明公开了一种视频时序矫正方法，提取待矫正视频中的音频数据，识别出音频数据中人物声音对应的语音文本；从预先建立的文本口型数据库中，获取语音文本对应的文本口型波形；记录人物声音播放的语音时间区段，根据语音时间区段和文本口型波形生成语音口型波形；提取待矫正视频中的视频数据，获取视频数据中人物画面对应的画面口型波形；比较语音口型波形和画面口型波形的相似性，根据比较结果矫正视频中语音和画面时序。本发明还公开了一种终端、计算机可读存储介质。实现了在播放视频时，自动检测音视频播放是否一致，在检测到不一致时，自动完成音视频播放时序矫正，提高音视频同步播放的矫正效率。