本发明涉及云端技术领域，具体涉及一种基于云端技术的音视频交互管理系统，包括用户端和云端，用户端内部设置有输入模块、无线模块和查找模块，云端包括存储模块和提取模块通过用户端完成音视频数据的录入，云端将录入的音视频数据打包并提取特征数据，便于用户通过特征数据对需要的音视频数据进行查找，提取模块将音视频数据进行区分，分别提取音频和图像信息，从而提高每个音视频数据之间的区分度，便于系统识别，用户通过再次输入音频或选择图像帧，可检索对应的音视频数据，增加了检索的手段。