本发明实施例公开了一种语音交互方法、装置、设备和介质。所述方法包括：如果在预设时间内检测到用户语音，则实时识别在初始拾音时间内获取的用户语音；如果在初始拾音时间内获取的用户语音的识别结果与预设候选语句的匹配结果不满足匹配要求，则根据匹配结果与延时阈值的关系，在初始拾音时间的基础上，进行拾音时间延长；将在延长拾音时间内获取的用户语音的识别结果与在初始拾音时间内获取的用户语音的识别结果进行整合；如果整合后的语音识别结果与预设候选语句的匹配结果满足匹配要求，则将与整合后的语音识别结果对应的反馈信息反馈给用户。本发明实施例实现了即使用户语音出现磕绊，人机交互中也能完整获取用户语音，提高智能教学效果。