本申请提供一种音视频处理装置和方法，包括：控制单元、通信单元和执行单元。控制单元在浏览器内产生音视频处理请求时，获取目标音视频和处理指令。通信单元在接收目标音视频和处理指令后，将目标音视频转换为目标音视频流，将处理指令转换为命令流。执行单元接收目标音视频流和命令流，并根据命令流对目标音视频流进行处理。通信单元接收处理后的目标音视频流后，将处理后的目标音视频流转换为音视频对象，并将音视频对象发送至控制单元。这样，通过通信单元完成解释型语言和编译型语言的交互，由于编译型语言运行时不需要重新翻译，在将目标音视频转换为目标音视频流之后可以直接在执行单元上处理，从而提高执行效率，提高音视频处理效率。