本发明公开了声学场景分类模型训练方法、装置、智能终端及存储介质，所述方法包括：获取训练数据；提取所述样本音频的第一特征信号，并将所述第一特征信号进行切片和扩容后得到第二特征信号；将所述第二特征信号输入声学场景分类模型，输出预测声学场景类别；其中，所述声学场景分类模型通过对残差神经网络进行改进得到；根据所述预测声学场景类别和所述真实标签对所述声学场景分类模型进行训练，以得到已训练的声学场景分类模型。本发明实施例中通过对样本音频的特征信号进行切片后扩容，使得输入样本信号尺寸减小，并提升响应速度；将样本信号输入到改进的残差神经网络进行训练，使得模型的分类结果准确率更高。