本申请涉及人工智能技术领域，揭示了一种基于人工智能的音视频对话方法、装置、设备及存储介质，其中方法包括：通过第一聊天客户端响应对话开始请求得到目标浏览器；调用目标浏览器根据目标对话邀请链接加载第一会客厅页面；通过第一会客厅页面，将用户输入的第一音视频数据发送给会议服务端，会议服务端用于将第一音视频数据发送给目标聊天客户端的第二会客厅页面，将第一音视频数据更新到音视频对话数据库中；通过第一会客厅页面，从会议服务端获取与第二会客厅页面对应的第二音视频数据进行展示。采用聊天客户端调用浏览器加载的会客厅页面与会议服务端通信进行音视频对话，将音视频数据发送给会议服务端，有利于企业进行音视频数据的存档。