一种具有自定义功能的音频检测分类方法，对音频数据进行音频激活检测，通过将部分原始训练样本首先按照类型分为若干类训练样本（101，102，103），针对每类训练样本（101，102，103）进行特征提取（104），并训练与其对应的高斯混合模型（105，106，107）及其参数，得到一个全局高斯混合模型（202）；进一步将其他训练样本（201）作为新的训练样本，对全局高斯混合模型（202）进行参数更新得到一个局部模型（204）；最后对测试样本（301）提取特征（302），输入局部模型分类器（303），并对结果进行平滑（304）和输出。本方法通过全局及局部高斯混合模型的训练，可以使高斯混合模型的类别和参数随着样本的增加而更新，与分类器的结合进一步提高了系统性能，最终实现音频检测分类，可广泛应用于涉及音频检测分类的说话人识别、语音识别、人机交互等多种机器学习领域。

一种音频分类方法、装置、智能设备和存储介质。所述方法包括：获取待分类音频文件（S11）；对待分类音频文件的音频信号进行处理，生成表示第一音频特征的输入向量（S12），第一音频特征为所述待分类音频文件对应的音频特征；将所述输入向量输入至预先训练得到的用于音频分类的神经网络模型（S13）；通过所述神经网络模型分析所述输入向量，生成所述待分类音频文件的分类结果（S14）。该方法能够突破现有技术的局限性，提高对待分类音频文件进行分类的准确度和效率。