音频处理模型的训练方法、音频处理方法、装置及设备

一种音频处理模型的训练方法、音频处理方法、装置及设备，涉及人工智能技术领域。该方法包括：获取训练数据，训练数据包括至少一个音频数据，以及至少一个音频数据的标签数据；编码音频数据，得到音频模态特征；对音频模态特征降维，得到音频模态降维特征，音频模态降维特征的维度与文本模态特征的维度相匹配；通过音频处理模型的生成网络，基于音频模态降维特征，生成音频数据的音频处理结果，生成网络是基于经过文本模态特征预训练后的大语言模型构建得到的；基于至少一个音频数据的音频处理结果，以及至少一个音频数据的标签数据，调整音频处理模型的参数。本申请实施例能够提高音频处理结果的生成准确性。