本发明提供一种情绪识别方法、装置、设备及存储介质，涉及人工智能，该方法包括：根据帧级别特征，获取音频数据的统计特征；将帧级别特征输入至深度神经网络，得到第一情感分值；其中，深度神经网络从输入侧至输出侧依次包括：DNN层、BLSTM模型、注意力层、DNN层及softmax层；注意力层对BLSTM模型在不同时间点的输出进行加权平均计算，获取第一情感表征；将统计特征及第一情感表征输入至SVM分类器模型，得到第二情感分值；根据第一情感分值和第二情感分值，得到情感识别结果；情感识别结果用于表征从音频数据中识别出的情绪状态。本发明能够平衡和利用音频片段中的帧级和句子级的情感信息，可以获得鲁棒性较高的情感识别结果，提高了情感识别的精度。