本申请涉及一种基于人机交互的声操控方法及系统。所述方法包括：向声镊设备的腔室中注入微粒；采集腔室图像，并将所述腔室图像同步传输至显示终端进行显示；通过所述显示终端获取目标微粒的期望位移坐标，并将所述期望位移坐标传输至控制终端；通过控制终端采用控制算法计算出将所述目标微粒移动到期望位移坐标时叉指换能器所需的激励信号，通过所述激励信号激励叉指换能器生成对应的声场模型，对所述腔室中的目标微粒进行声操控。本申请可以在任意场景对复杂环境下的微粒进行精准操控，减少环境复杂性带来的操控困难。