本发明涉及人工智能技术领域，公开了一种数字人驱动方法、装置、设备及存储介质，该方法包括：根据待播报语言生成待驱动数字人对应的数字人音频和音素序列信息；基于音素序列信息和动作状态机确定待驱动数字人对应的数字人肢体语言；根据数字人肢体语言生成数字人图像序列；基于数字人音频和数字人图像序列生成数字人视频；通过待驱动数字人呈现数字人视频。由于本发明基于待驱动数字人对应的数字人音频和数字人肢体语言生成数字人视频，并通过待驱动数字人查询数字人视频，从而解决了现有技术中通过真人表演驱动方式驱动数字人需要耗费大量的人力资源，成本较高的技术问题。