本申请提供一种基于成语理解的语音对话方法、装置、设备及存储介质。该方法包括：获取包含对话内容的原始文本，对原始文本进行成语检测，得到成语及成语解释；对成语中的每个字进行扩展得到候选句子，将成语解释与每个候选句子进行相似度匹配，依据相似度匹配结果确定成语对应的成语句子；对成语句子进行分析，得到成语句子的主语，将成语句子的主语作为机器人对应的成语角色；将原始文本中包含成语的语句作为目标语句，将目标语句中的主语或宾语作为机器人的对话角色；将机器人的成语角色与对话角色进行关联，依据角色关联结果生成对话信息。本申请能够实现包含成语句子场景下的人机对话，提高语音对话的应用范围，提升语音对话的智能化水平。