本申请公开一种语音端点检测方法及系统，其中方法包括：对麦克风阵列所采集的音频信号进行语音增强；根据语音增强后的音频信号确定多个波达方向；判断所述多个波达方向中是否有存在于目标人声方位区域内的波达方向，并生成第一判断结果；将语音增强后的音频信号输入至预先训练的深度神经网络以判断是否存在目标语音信号，并生成第二判断结果；根据所述第一判断结果和所述第二判断结果确定是否存在目标语音信号。本申请实施例提供了一种新的VAD架构来解决干扰人声误触发VAD的问题，即考虑语音和噪声的分类，又考虑多通道语音信号在阵列上表现出来的方向信息，很好的区分目标人声和干扰人声以及环境噪声。