本申请涉及一种基于视频数据的处理方法、装置、设备及介质，涉及计算机技术领域，该基于视频数据的处理方法包括：依据获取到的视频数据确定待处理嘴区域图像数据；针对所述待处理嘴区域图像数据，获取目标非嘴区域图像数据和目标参考图像数据；依据所述待处理嘴区域图像数据、所述目标非嘴区域图像数据以及所述目标参考图像数据，通过预先训练的形象生成模型，生成所述待处理嘴区域图像数据对应的目标形象图像数据。本申请在满足图像实时生效成效果的前提下提升嘴型生成效果。