本申请公开一种语音对齐网络的训练方法，包括：获取标注文本序列和音频特征序列；将所述音频特征序列输入到编码网络，获取音频特征编码序列；获取对齐损失函数的值；将所述标注文本序列和所述音频特征编码序列输入到基于注意力机制的解码器网络，获取音频特征解码序列；基于所述音频特征解码序列和所述标注文本序列，获取注意力损失函数的值；基于所述对齐损失函数的值和所述注意力损失函数的值，循环训练编码网络和解码网络，直至满足条件，输出编码网络。所训练出的网络模型能够部署到手机端，实现语音对齐，时效性好。同时提供了语音对齐的方法，和对应的电子设备和计算机可读存储介质。