音频文本化方法、装置、电子设备及存储介质

本公开实施例提供一种音频文本化方法、装置、电子设备及存储介质，通过获取有声书音频和对应的关联文本，针对关联文本的文本段落进行内容提取，得到至少一个文本段落分别对应的目标词，通过语音转文字模型处理有声书音频和至少一个文本段落分别对应的目标词，生成有声书音频对应的校准文本，其中，校准文本为有声书音频的音频内容对应的文本表达，校准文本中通过目标词表述音频内容中对应的对象名称。通过基于关联文本中的目标词对有声书音频中出现的对象名称进行表述，而生成声书音频对应的校准文本，从而使校准文本中出现的对象名称与目标词相匹配，提高有声书文本的翻译质量。