本公开提供了一种音频数据处理方法、装置、电子设备、计算机可读存储介质和计算机程序产品，涉及人工智能领域，尤其涉及音频处理技术。实现方案为：获取待调整人声音频数据和参考人声音频数据，其中参考人声音频数据与待调整人声音频数据基于相同的文字信息获得；分别对待调整人声音频数据和参考人声音频数据进行分帧，以分别获得第一音频帧集合和第二音频帧集合；分别识别每一个音频帧所对应的发音单元；基于每一个音频帧的时间戳，确定待调整人声音频数据和参考人声音频数据中的各个发音单元的时间戳；以及对待调整人声音频数据中的发音单元的时间戳进行调整，以使得待调整人声音频数据与参考人声音频数据中的相对应的发音单元的时间戳一致。