本申请公开了一种音视频数据的处理方法及装置、电子设备、存储介质，所述方法包括：获取原始视频；基于嘴部与音频的同步性，从原始视频中提取出多组同步音视频数据；分别针对每组同步音视频数据，检测同步音视频数据的各帧图像中是否存在目标帧图像；目标帧图像指代被遮挡的说话人嘴部的目标帧图像；若存在目标帧图像，则将目标帧图像及其对应的音频，从同步音视频数据中剔除，得到同步音视频数据对应的已处理同步音视频数据；若不存在目标帧图像，则将同步音视频数据确定为其对应的已处理同步音视频数据；输出同步音视频数据对应的已处理同步音视频数据。从而有效地提高了提取同步的音频数据的工作效率，也保证了提取同步的音频数据的准确性。