公开了一种语音交互方法、装置及设备。对采集的音频数据进行语音活动检测；判断检测到的语音数据的时长是否大于第一阈值；若语音数据的时长小于或等于第一阈值，则不将语音数据交由语音识别系统进行语音识别。若基于语音活动检测得到的语音数据的时长小于第一阈值，则可以认为该语音数据为设备输出语音的回声数据(如残余回声)，因此通过不将语音数据交由语音识别系统进行语音识别，可以避免因对设备输出语音的回声进行语音识别而对正常的语音交互产生干扰，提升语音交互服务质量。