本发明涉及语音培训技术领域，其目的在于提供一种语音培训识别方法及系统。其中的方法包括：将所述实训音频数据进行文本转换，得到实训文本数据；对所述实训文本数据进行分词处理，得到多个分词文本，然后得到词语文本序列；获取所述词语文本序列中多个分词文本在实训音频数据中的起始时间和结束时间，对所述实训音频数据进行切割，得到多个分词音频，然后得到词语音频序列；根据所述词语文本序列及所述词语音频序列，得到评估结果。本发明可提高语音培训过程中评判结果的准确性及一致性，可大幅降低培训过程中的人力成本，培训及评估的效率更高，还可以准确定位培训用户的问题点。