本公开涉及一种音频信号处理方法、装置、设备及存储介质。本公开通过对音频信号进行分段处理得到多个音频分段，根据多个音频分段中每个音频分段的特征信息，对多个音频分段进行聚类处理，得到一个或多个第一集合。进一步，根据每个第一集合包括的音频分段的特征信息，确定每个第一集合的第一聚类中心，并且根据每个第一集合的第一聚类中心，对多个音频分段进行聚类处理，得到一个或多个第二集合，其中，同一个第二集合中的音频分段对应相同的角色标签。也就是说，在对多个音频分段进行初始聚类处理后，还可以根据每个第一集合的第一聚类中心，对多个音频分段进行再次聚类处理，从而提高了基于单通道语音的无监督角色分离的准确性。