虚拟数字人驱动方法、装置、设备及存储介质

本发明涉及计算机视觉技术领域，公开了一种虚拟数字人驱动方法、装置、设备及存储介质。虚拟数字人驱动方法包括：获取虚拟数字人的第一驱动信号，其中，第一驱动信号包括音频帧序列与图片帧序列；将每一音频帧输入训练好的语音编码器进行语音编码，以及将每一图片帧输入训练好的图片编码器进行图片编码；分别将每一帧语音编码和图片编码拼接成一帧输入向量，并将每一帧输入向量输入训练好的扩散模型进行图片解码，输出对应帧输出图像；将当前帧输出图像替换第一驱动信号中的对应图片帧，得到虚拟数字人的第二驱动信号，并基于第二驱动信号驱动虚拟数字人。本发明提升了图像生成质量，进而使虚拟数字人的显示效果更加逼真。