本申请涉及一种视频会议中的字幕显示方法、设备及存储介质，属于计算机技术领域，该方法包括：智能终端获取视频会议数据；获取对目标音频数据进行语音转写后得到的目标文本数据；将目标文本数据转换为字幕图像数据；将字幕图像数据与目标图像数据进行融合，得到融合后的图像数据；通过会议控制设备将融合后的图像数据发送至各个与会终端，以供与会终端显示融合后的图像数据；可以解决解决使用传统的视频会议字幕显示方式无法在不具有文本数据叠加功能的终端上显示字幕的问题；由于融合后的图像数据包括文本数据，因此可以在不具有在画面上叠加文本数据功能的终端上显示字幕，可以提高视频会议中的字幕显示效果。