本申请公开了一种口语评测方法、装置、设备及存储介质，本申请配置了文本语音对齐模型，该模型的输入为目标音频的音频表征及参考文本，模型被配置为提取参考文本的嵌入表征，并将嵌入表征与音频表征进行拼接，基于拼接表征解码得到对齐结果，对齐结果包括了目标音频的识别文本及识别文本与参考文本的对齐信息，由此可见，本申请文本语音对齐模型可端到端的直接预测得到对齐结果，避免了传统方案识别结果中产生的级联误差。在得到对齐结果后可以进一步基于对齐结果和参考文本来计算目标音频的完整度测评结果，提高了口语完整度测评结果的准确度。