本发明公开了一种基于U‑Net模型的缺失音频自动修复方法，包括以下内容：将音频信号处理为长度相同的样本并构建多样音频数据集；将所有音频样本处理成固定长度的三部分，从左到右分别为左侧上下文部分、间隙部分以及右侧上下文部分；利用短时傅里叶变换将音频上下文部分和间隙部分都转化为频谱图；深度学习模型中的编码器对上下文部分的频谱图进行特征学习，解码器实现间隙部分缺失音频的自动修复，跳跃连接将两个相应层相连以扩大网络接收范围，提高网络修复性能；最后使用局部加权求和策略将生成的频谱图转换为音频信号。本发明利用U‑Net深度学习模型和局部加权求和策略来对缺失音频进行修复，修复效果好，而且计算成本较低，适用于短音频中音频缺失情况的修复。