本申请提供了一种语音声学模型的训练方法、后处理方法和相关设备，在进行模型训练时，将基于CTC的语音序列预测任务（即第一神经网络的处理任务）和基于多标签分类任务（即第二神经网络的处理任务）结合，进行多任务学习（即联合模型训练），从而有效优化语音声学模型的识别效果。在此基础上，使用训练所得的语音声学模型进行后处理时，用多标签分类的输出来调整序列预测任务输出的概率分布特征，从而将序列预测任务输出中可能漏掉的部分内容加权放大，使其更容易被识别解码出来，从而简化了解码所需的计算，大幅度降低对硬件设备的资源需求。