本申请涉及一种语音获取方法、计算机可读存储介质及终端设备。所述方法包括：获取第一语音数据，所述第一语音数据的起始采集时刻为根据拍摄到用户面部的多张图像确定用户讲话的时刻；获取第二语音数据，所述第二语音数据包括从检测到用户的口形发生变化的时刻到所述起始采集时刻采集到的语音数据；根据所述第一语音数据以及所述第二语音数据生成目标语音数据。由于在判断用户是否处于说话状态时，有在获取语音数据(第二语音数据中记录了判断过程中的语音数据)，避免了语音数据的丢失。从而可以提高语音识别的识别准确率。