本申请提出一种语音的交互方法、装置、设备及存储介质，该方法包括：基于语音信息，确定文本；将文本输入到语言模型中，确定文本的意图和文本的槽位；根据文本的意图和文本的槽位，确定文本指令。从而有效地解决了当用户表达不清、语音识别不准时，会产生槽位缺失的问题，也可以对齐不同的实体名称，减少歧义，提升了用户的使用体验，能够实现与用户之间准确地信息交互，系统可以根据用户的语音准确识别得到对应的文本指令，并根据文本指令执行对应的操作，从而能够达到高效准确的语音交互，减少了系统无法理解用户语义的情况。