本申请涉及音频互动领域和网络直播领域，提出一种在线音频分类方法、装置及计算机设备，该方法包括：获取在线音频信号；提取在线音频信号对应的第一音频特征图；将在线音频信号对应的第一音频特征图输入至预训练好的音频分类模型，得到在线音频信号的分类结果；其中，预训练好的音频分类模型中包括若干个音频分类模块，每个音频分类模块中包括至少一个自注意力模块，自注意力模块用于对音频特征图进行时序维度和频率维度上的远距离特征融合。相对于现有技术，本申请考虑到在线音频信号其语义与时序相关性较强且语义较为复杂的特点，使用自注意力模块对音频特征图进行时序维度和频率维度上的远距离特征融合，提高了在线音频分类结果的准确性。