本申请实施例提供了一种音频数据的处理方法、设备和系统，用于对会议音频数据按照发言人身份进行分类。本申请实施例具体包括：该会议记录处理装置获取第一会场的音频数据、该音频数据对应的声源方位信息和身份识别结果，其中该附加域信息包括该音频数据对应的声源方位信息，该身份识别结果用于指示通过人像识别方法得到的发言人身份信息与发言人的发言时间信息的对应关系；然后该会议记录处理装置对该音频数据进行语音分段，以获得该音频数据的第一分段音频数据；最后该会议记录处理装置根据该第一分段音频数据的声纹特征和该身份识别结果确定该第一分段音频数据对应的发言人。