本申请实施例公开了一种字幕生成方法和装置，针对来自同一个音频流、且根据静音片段切分的多个语音片段生成字幕的过程中，通过语音识别得到多个语音片段分别对应的文本。在根据其中目标语音片段所对应文本确定字幕时，确定包括了该目标语音片段所对应文本的待处理文本组。之后，以待处理文本组中的分隔符作为从待处理文本组中确定字幕文本的依据，由于分隔符是在识别语音片段中文字时基于语义添加的，分隔符间的文本部分属于完整的句子，能够体现合理的语义，故通过分隔符确定的字幕文本中出现不完整句子的可能性大大降低，将该字幕文本作为所对应音频流时间轴区间的字幕进行展示时，能够帮助收看音视频的用户理解音视频内容，提高了用户体验。