本公开提供了一种交互控制方法、装置、智能语音设备及存储介质，涉及人工智能技术领域，具体为语音识别和自然语言处理技术领域。具体为：在接收到交互指令时，根据交互场景图像和界面运行内容，判断交互场景是否是目标交互场景，如果交互场景是目标交互场景，则从交互指令中解析得到目标指令词，以及根据与目标指令词匹配的交互响应方式响应交互指令。可以实现对智能语音设备的交互场景进行判断识别，在交互场景是目标交互场景时，直接控制智能语音设备从交互指令中解析得到目标指令词以进行响应，有效地避免在目标交互场景下对智能语音设备的重复唤醒，降低交互响应时间消耗，有效提升智能语音设备的交互效率，提升智能语音设备的易用性。