本发明实施例公开了一种人机交互方法、系统及存储介质，方法包括：获取用户的人脸图像和语音输入；对所述人脸图像和语音输入分别进行处理，以获取用户面部情绪、用户语音情绪、用户文字情绪和语意意图；根据所述用户面部情绪、用户语音情绪、用户文字情绪确认用户情绪；根据所述用户情绪和语意意图生成回复文本。实施本申请的人机交互方法，机器人在与用户进行对话交流时，利用不同的模态组合进行互动，多方面考虑了用户面部情绪、用户语音情绪、用户文字情绪，最终确认出用户在进行当前对话时的用户情绪，根据用户情绪生成有情感的回覆文本对用户进行答复，进而从整体上提高人机互动的自然度与真实度，提高用户体验度。