本发明提供一种语音交互方法、装置、电子设备和存储介质，其中方法包括：获取环境信息，环境信息包括环境语音和/或环境图像；对环境信息中包含的人员进行身份识别，得到身份识别结果；若身份识别结果中包含目标人员的身份信息，则进行知识点和问题的语音播报；获取问题对应的答题语音，并基于答题语音，确定目标人员对于知识点的学情情况，在目标人员处于播放设备所处环境的情况下语音播放知识点和问题，避免了空播报的情况，并且在语音播报后增加了与目标人员间的语音互动环节，以通过采集的答题语音来掌握目标人员的学情情况，完全克服了传统方案中因缺乏与目标人员的互动，导致知识点学习效果甚微的缺陷，实现学习效率和学习效果的双重提升。