本申请公开了标点符号识别模型构建方法、装置及设备。其中，所述方法包括：获取第一文本集和第一语音数据集，及第二语音数据与第二文本之间的对应关系集；根据第一文本集，学习得到所述模型包括的文本处理模块的网络参数；根据第一语音数据集，学习得到所述模型包括的语音处理模块的第一网络参数；根据对应关系集，对基于第一网络参数的语音处理模块进行训练，得到语音处理模块的第二网络参数。采用这种处理方式，使得模型在通用领域具有较为一致的识别准确率，同时还从覆盖较少领域的少量平行数据中更好地学习语音处理模块，引入了声学信息后就可以更好地利用说话人本身的用意，得到更符合口语的标点符号。