本发明提供一种用于多模态故事内容输出的音效控制方法，其包含以下步骤：获取输出故事内容指令并响应；对待输出文本进行文本处理，提取文本处理结果中的场景信息，场景信息包括：对话场景；若检测到当前场景信息为预设场景，调整输出数据中的音乐参数及音效参数，音乐参数包括：背景音乐参数；音效参数包括角色音效参数。本发明提供了一种儿童专用智能设备，具备讲故事能力，能够向用户输出故事内容。并且，本发明还能够根据不同的故事内容以及故事场景，改变输出的音效效果，配合故事情节的发展，提升了用户的绘本阅读等内容获取的使用体验。