本申请涉及人工智能领域，尤其涉及基于多教师模型的模型蒸馏方法，所述方法包括：获取训练样本数据及对应的硬标签，通过多个教师和第一学生模型对训练样本数据进行识别，得到多个第一软标签和第二软标签；根据硬标签、多个第一软标签和第二软标签，对第一学生模型进行知识蒸馏学习，生成第二学生模型并通过第二学生模型得到第三软标签；根据第一软标签和第三软标签更新教师模型选择策略，得到更新后的教师模型选择策略，基于更新后的教师模型选择策略重新确定对应的教师模型，并根据重新确定的教师模型对第一学生模型进行知识蒸馏学习，直至第一学生模型收敛，得到目标学生模型。由此能够使蒸馏得到的学生模型表现达到最佳，提高用户体验。