本发明提供一种网络模型训练方法、语音识别处理方法及相关设备，该方法包括：利用标注的样本数据对待训练语音识别网络模型进行迭代训练，得到语音识别网络模型；待训练语音识别网络模型包括延时神经网络层、第一残差层、N个第二残差层和N‑1个浅层特征融合网络层，浅层特征融合网络层用于将N个第二残差层输出的N个不同尺度特征向量进行融合得到N个第一特征向量，且N个第一特征向量与延时神经网络层的输出和第一残差层的输出进行融合得到第二特征向量。这样可以利用训练得到的语音识别网络模型进行声纹特征识别和情绪特征识别，从而降低用户情绪检测的成本以及提高用户身份验证的可靠性。