本发明提供一种基于语音交互的音频流控制方法，步骤S1、首先让音频流进入一个公共缓冲池；步骤S2、由所述公共缓冲池向云端缓存模块输入音频数据，同时向唤醒引擎过音频流；步骤S3、所述唤醒引擎触发预设的唤醒阈值，向云端缓存模块同步唤醒词后的音频流时序位置，然后将这个音频流时序位置作为起始位置开始上传音频流给云端交互控制模块；步骤S4、云端交互控制模块按照云端的要求封包上传数据，同时云端交互控制模块根据云端反馈和自身的流控来决定本次语音交互结束的时间点，这样就完成了一次完整语音交互的流控。本发明控制方法不存在误识别的情况，且延时低，云端响应速度快。