本申请公开了一种语音识别方法、装置、设备及存储介质，在对输入语音进行识别时，通过编码器对输入语音进行编码，得到音频编码向量，利用融合有大语言模型的解码器处理输入数据并解码得到识别文本。本申请在语音识别模型的解码器中融合大语言模型的网络结构，从而实现将大语言模型与语音识别模型的深度结合，借助大语言模型的建模能力提升语音识别模型中解码器的解码能力，进而提升语音识别效果。输入数据可以包括音频编码向量，或者可以包括音频编码向量和提示指令信息，该提示指令信息包括用于辅助对输入语音进行识别的辅助信息，从而为解码器提供更加丰富的参考信息，辅助进一步提升语音识别效果。