一种声学模型构建方法及系统、语音识别方法、设备和存储介质，构建方法包括：获取无标签训练数据和带标签训练数据；构建声学模型，声学模型用于获得音素对应的条件概率；声学模型包括音频表征模型，音频表征模型用于基于输入的语音获得表征矢量；利用训练语音集，基于帧与帧之间的相关性，对音频表征模型进行预训练；在对音频表征模型进行预训练之后，利用带标签训练数据，基于标注文本、标注文本中词之间的相关性、以及词与语音数据对应的表征矢量之间的相关性，对声学模型进行训练。本发明实施例提高对声学模型的训练效果。