本申请公开了一种音素级的发音纠错方法、装置、设备及存储介质，属于计算机与互联网技术领域。所述方法包括：获取跟读文本对应的跟读音频数据；获取跟读音频数据中各个音频帧分别对应的音频特征，以及获取跟读文本包含的音素的音素特征；将各个音频帧分别对应的音频特征与音素特征分别进行融合，得到各个音频帧分别对应的融合特征；根据各个音频帧分别对应的融合特征，获取跟读音频数据包含的至少一个音素数据，以及各个音素数据的读错概率；基于各个音素数据的读错概率，确定跟读音频数据中的读错音素。本申请中，不需要依据跟读文本包含的音素生成标准发音数据，简化音素判错流程，提高音素判错的处理效率。