本申请公开了一种基于ES的音频信息索引库建立方法，包括：获取目标音频信息；根据所述目标音频信息以及预设的语音识别模型，确定与所述目标音频信息对应的响应文本信息，所述预设的语音识别模型用于将音频信息识别转换为文本信息；响应于保存操作，将所述目标音频信息以及所述响应文本信息进行保存，以建立所述音频信息索引库。本申请可以实现将目标音频信息识别转换为文本，并将目标音频信息以符合索引库格式要求的文件形态与文本共同存入索引库，在对多个目标音频信息重复进行上述步骤后得到一个音频信息索引库，以便于根据关键字文本信息直接检索出目标音频与文本，同时能够实现实际检索时文本和语音一并输出，为检索提供便利。