本发明提供一种情绪识别方法、装置及机器人，所述方法包括：获取当前对话语句的第一音频特征向量，将第一音频特征向量输入至音频识别子模型确定第一音频嵌入向量；获取当前对话语句的第一词向量，将第一词向量输入至文字识别子模型，确定第一词嵌入向量；融合第一音频嵌入向量和第一词嵌入向量，生成第一融合特征向量；基于第一融合特征向量，确定用户的当前情绪识别结果。本发明提出了一种结合人机对话相关的语音和文字相关的音频特征以及词向量特征，进行用户情绪分类识别，克服了单一的基于语音或人脸图像进行情绪分类识别存在的信息损失的弊端，能够显著地提升情绪分类识别的精度。