根据本公开的实施例，提供了一种语音交互的方法、装置、设备和存储介质，涉及语音交互领域。该方法包括：从接收的语音数据中提取声学特征，所述声学特征指示所述语音数据的短时幅度谱特性；将所述声学特征应用于类型识别模型以确定所述语音数据的意图类型，所述意图类型为交互意图类型和非交互意图类型中的一种，所述类型识别模型是基于训练语音数据的所述声学特征而构建的；以及根据确定所述意图类型为交互意图类型，执行所述语音数据所指示的交互操作。以此方式，提高了语音交互过程的正确性和便利性，改善了交互体验。