本发明实施例提供一种语音识别方法、装置、电子设备和存储介质，其中方法包括：实时获取待识别的语音数据流；将语音数据流输入至层次式语音识别模型中，得到层次式语音识别模型实时输出的流式识别结果，以及层次式语音识别模型在语音数据流结束时输出的最终识别结果；其中，层次式语音识别模型是基于样本语音数据流，及其样本流式识别结果和样本最终识别结果训练得到的。本发明实施例提供的方法、装置、电子设备和存储介质，通过层次式语音识别模型实现了流式识别结果的产生和最终识别结果的输出，仅需一个模型即可在满足交互过程中及时响应的需求的同时，保证最终输出的语音识别结果的准确性，有效节约了云端资源，降低了语音识别成本。