本申请实施例提供一种语音交互方法、系统、装置、设备及存储介质。在该语音交互系统中，终端设备可获取用户的语音数据，并将语音数据发送到云端服务器。云端服务器可通过第一语言类型对应的语音识别引擎对语音数据进行语音识别，并根据该语音识别结果，判断语音数据与该语音识别引擎是否匹配。若不匹配，则从备用语音识别引擎中选择出与语音数据匹配的语音识别引擎，重新进行语音识别，并根据语音识别结果生成答复信息。通过这种实施方式，当用户使用的语言类型不同时，终端设备可较为准确地对用户输入的语音数据进行语音识别，进而，可为用户提供与该语音信息较为匹配的答复。