1.一种交互设备，其特征在于，所述交互设备分别与服务器和显示设备进行通信连接，所述交互设备包括壳体以及设置于所述壳体内部的功能模块，所述功能模块包括：
摄像模块，配置为获取目标区域的图像信息；
拾音模块，配置为获取所述目标区域的音频输入信息；
控制模块，分别与所述摄像模块和所述拾音模块电连接；所述控制模块配置为将所述图像信息和/或所述音频输入信息发送至所述服务器以供所述服务器根据所述图像信息和/或所述音频输入信息生成显示信息，以及，向所述摄像模块和所述拾音模块发送控制指令；
传输接口，配置为输出所述显示信息至所述显示设备，其中，所述显示信息至少包括：虚拟形象的动作信息，和/或，图像展示信息。
2.根据权利要求1所述的交互设备，其特征在于，所述交互设备还包括：
音频输出模块，设置在所述壳体的内部或外部，配置为输出第一音频输出信息，其中，所述第一音频输出信息由所述服务器根据所述图像信息和所述音频输入信息生成。
3.根据权利要求2所述的交互设备，其特征在于，所述控制模块还配置为，将所述图像信息和/或所述音频输入信息发送至所述服务器以供所述服务器根据所述图像信息和所述音频输入信息生成话术信息，其中，所述话术信息用于指示所述虚拟形象用以与服务对象进行交互的话术；
所述音频输出模块还配置为，根据所述话术信息输出所述虚拟形象与所述服务对象交互时的第二音频输出信息，其中，所述第二音频输出信息与所述虚拟形象的动作信息相对应，所述虚拟形象的动作信息包括面部动作信息和肢体动作信息。
4.根据权利要求3所述的交互设备，其特征在于，所述控制模块还配置为，
指示所述服务器根据所述图像展示信息在预设的虚拟形象动作数据库中选取与所述图像展示信息对应的第一动作模块，其中，所述第一动作模块用于指示展示所述图像展示信息对应图像时所述虚拟形象的动作；
指示所述服务器根据所述话术信息在所述虚拟形象动作数据库中选取与所述话术信息对应的第二动作模块，所述第二动作模块用于指示按照所述话术信息与所述服务对象进行交互时所述虚拟形象的动作；
所述控制模块还配置为，将通过所述第一动作模块和/或所述第二动作模块确定的所述虚拟形象的动作信息通过所述传输接口发送至所述显示设备；
其中，所述虚拟形象动作数据库中包括多个预设的动作模块，其中，每一个所述动作模块均对应所述虚拟形象的一个或多个肢体动作和/或面部动作。
5.根据权利要求4所述的交互设备，其特征在于，所述拾音模块还配置为，获取所述目标区域内所述服务对象输入的语音数据，其中，所述语音数据包括实时语音数据和/或非实时语音数据；
所述控制模块还配置为，指示所述服务器根据所述语音数据以及所述话术信息在所述虚拟形象动作数据库中选取与所述语音数据对应的目标第一动作模块和/或目标第二动作模块；
所述控制模块还配置为，获取所述目标第一动作模块和/或目标第二动作模块，并将所述目标第一动作模块和/或目标第二动作模块通过所述传输接口推送至所述显示设备。
6.根据权利要求5所述的交互设备，其特征在于，所述控制模块还配置为，指示所述服务器将所述目标第一动作模块和/或目标第二动作模块对应的目标统一资源定位url地址发送至所述控制模块，以令所述控制模块根据所述目标url地址获取所述目标第一动作模块和/或目标第二动作模块；
其中，url地址用于指示用于设置有所述第一动作模块和/或所述第二动作模块的内容分发网络cdn节点的地址，每个所述cdn节点对应一url地址；
所述控制模块还配置为，通过所述传输接口将所述目标第一动作模块和/或目标第二动作模块发送至所述显示设备。
7.一种交互装置，其特征在于，包括权利要求1至6任一项所述的交互设备和显示模块，其中，
所述交互设备配置为，将获取的图像信息和音频输入信息发送至服务器；
所述显示模块配置为，对显示信息进行显示，其中，所述显示信息由所述服务器根据所述图像信息和所述音频输入信息生成，所述显示信息至少包括：虚拟形象的动作信息，和/或，图像展示信息。
8.根据权利要求7所述的交互装置，其特征在于，所述显示模块还配置为：
接收所述交互设备发送的第一显示信息，其中，所述第一显示信息为经过所述交互设备解码处理的显示信息；和/或
接收所述服务器发送的第二显示信息，其中，所述第二显示信息为未经解码处理的显示信息。
9.根据权利要求7所述的交互装置，其特征在于，所述显示模块还配置为：
获取用户输入的指令信息，其中，所述指令信息至少包括以下之一：触控信息，鼠标输入信息，键盘输入信息；
将所述指令信息发送至所述交互设备或所述服务器。
10.根据权利要求7所述的交互装置，其特征在于，
所述交互设备还配置为：向所述服务器发送第一注册请求；在所述第一注册请求通过后，向所述服务器发送第一心跳信号以保持与所述服务器的连接；
所述显示模块还配置为：向所述服务器发送第二注册请求；在所述第二注册请求通过后，向所述服务器发送第二心跳信号以保持与所述服务器的连接。
11.一种交互系统，其特征在于，包括权利要求7至10任一项所述的交互装置和服务器，其中，
所述服务器配置为，根据所述交互设备获取的图像信息和音频输入信息生成显示信息，所述显示信息至少包括：虚拟形象的动作信息，和/或，图像展示信息。
12.根据权利要求11所述的交互系统，其特征在于，所述服务器包括：
媒体与资源模块，配置为访问多媒体资源并将所述多媒体资源发布至内容分发网络；
即时通信模块，配置为实现所述交互设备和/或所述服务器与人工坐席之间的消息收发；
语音通信模块，配置为接收、识别以及录制音频数据；
智能对话模块，配置为通过机器人与用户进行交互，其中，所述机器人为经过训练的神经网络模型；
通话对话中间模块，配置为控制与调度所述即时通信模块、所述语音通信模块以及所述智能对话模块；
视频直播模块，配置为将所述交互设备获取的图像信息生成实时视频流，并对所述实时视频流进行保存。
13.根据权利要求11所述的交互系统，其特征在于，所述服务器还包括：
管理与控制模块，配置为分别接收所述交互设备和所述显示模块发送的注册请求，记录所述交互设备的所述显示模块的参数信息，并监控所述交互设备和所述显示模块的状态，其中，所述交互设备包括一个或多个，所述显示模块包括一个或多个。