本申请公开了一种指令音频生成方法、系统、装置和存储介质，其中方法包括以下步骤：获取第一音频并计算所述第一音频中每一帧的帧音频能量和帧信噪比；其中，所述第一音频至少包括指令音频，空白音频和噪声音频；根据所述帧音频能量，确定所述空白音频的第一起点帧和第一终点帧；对所述第一起点帧和所述第一终点帧之间的音频进行剪切，得到第二音频；根据所述帧信噪比，在所述第二音频中确定所述噪声音频的第二起点帧和第二终点帧；对所述第二起点帧和所述第二终点帧之间的音频进行剪切，得到指令音频。本方法可以减少需要识别处理的信息量，降低系统识别处理的计算量和时耗，有效提高系统的识别性能。本申请可广泛应用于音频剪切技术领域内。