本申请提供了一种音频识别方法、装置、电子设备及存储介质，属于计算机技术领域。该方法包括：将当前采集的音频帧与之前采集的音频帧构成一个音频片段，并获取音频片段的第一特征值、第二特征值和第三特征值；在第一特征值与第二特征值之间的差值小于第一阈值，且第三特征值满足跳转条件的情况下，确定音频片段中包含唤醒词。第一特征值表示音频片段中前N个音频帧属于唤醒词的概率值，第二特征值表示音频片段中前N个音频帧与音素片段匹配的概率值，音素片段是由前N个音频帧识别出的音素构成的片段，第三特征值满足跳转条件表示第N个音频帧与第N+1个音频帧不属于唤醒词中相邻的两个音素。该方法能够提高音频识别的准确率。