Iara, uma atendente virtual de mesa

A Iara não desenha a personagem em tempo real: cada estado é um vídeo curto em loop guardado no cartão de memória. A placa troca de vídeo conforme o que está acontecendo na conversa.

1. Você falaDiz "Iara" ou aperta o botão BOOT.
2. Ela escutaA ESP32-S3 grava sua voz pelo microfone e manda pelo Wi-Fi.
3. O servidor pensaO xiaozhi.me ou um servidor no seu PC transcreve, chama a IA e gera a voz.
4. Ela respondeA voz sai no alto-falante enquanto a tela toca o vídeo "falando".

Medidas

78 × 172 × 32 mm, lisa atrás como um celular

Na mesa

Numa base separada, inclinada 15° para trás; é só pôr e tirar

Tela

4", 320 × 480, chip ST7796, ligação SPI

Placa

ESP32-S3 N16R8: 16 MB de flash e 8 MB de PSRAM

Som

Microfone INMP441, amplificador MAX98357A de 3 W, alto-falante de 40 mm

Conexão

Wi-Fi de 2,4 GHz

Energia

5 V pelo USB-C, de um carregador de celular de 2 A

Firmware

Baseado no XiaoZhi ESP32, licença MIT

A caixa tem cinco partes empilhadas da frente para trás. A tela fica encostada na frente, um suporte impresso segura a tela e carrega a eletrônica, e a tampa fecha atrás, lisa. Na mesa ela fica numa base impressa separada, que é só pôr e tirar.

Tudo isto tem com envio nacional. Os preços são de referência, pesquisados em novembro de 2026, e mudam bastante entre vendedores.

Eletrônica

Caixa

E se eu quiser a tela menor?

As telas de 2,4" e 2,8" com chip ILI9341 (240 × 320, R$ 60 a 80) usam a mesma ligação, pino por pino, e o vídeo fica mais fluido nelas. A caixa desta página é para a de 4"; a de 2,8" precisa de outra caixa. Evite a de 3,5" com chip ILI9488: pelo SPI ela manda cor de 18 bits e fica lenta para vídeo.

A ESP32-S3 está desenhada vista de cima, com o USB embaixo. Os pinos são contados de cima para baixo nas duas fileiras, de 1 a 22. Os pinos com bolinha branca são os que levam fio.

Lista de fios: o que soldar onde

São 26 fios saindo da ESP32, cada um num pino diferente. Marque cada fio quando soldar; a página lembra o que você já marcou neste navegador.

Cinco peças. Todas as medidas estão em milímetros e já têm folga para o encaixe. Confira com a sua tela e a sua ESP32 antes de imprimir.

Material

PETG ou PLA

Bico e camada

0,4 mm, camada de 0,2 mm

Paredes

3 perímetros

Preenchimento

20% em todas

Suporte

Não precisa

Furos pequenos

Se saírem justos, passe broca da mesma medida

Solde e teste tudo fora da caixa, em cima da mesa. Só depois que a Iara funcionar aberta, passe para a montagem na caixa.

1. Confira as peças. A ESP32 tem que ser N16R8 e de preferência com as barras de pinos soltas: ela vai deitada no suporte e não cabe com os pinos soldados por baixo.
2. Corte os fios. Use fio flexível 26 AWG: 14 cm para a tela e o cartão SD e 10 cm para o resto. Vermelho no 5V, laranja no 3V3 e preto no GND. A sobra fica dobrada atrás do suporte.
3. Prepare as pontas. Descasque 3 mm de cada ponta e passe um pouco de estanho antes de soldar.
4. Solde módulo por módulo, seguindo a lista de fios da seção 4 e marcando cada fio lá. Na ESP32, solde pelo lado dos componentes e corte rente o que passar por baixo.
5. Faça as emendas fora da placa: a ligação entre os botões e o resistor do LED, e o L/R do microfone no GND dele. Cubra com termorretrátil.
6. Revise com tudo desligado. Se tiver multímetro, meça em continuidade: 5V com GND e 3V3 com GND não podem apitar.
7. Teste em cima da mesa, antes de pôr na caixa: grave o firmware (seção 9), ligue o USB e confira a tela, o som, o microfone e os botões.

Cuidados

• Fios curtos nos GPIO 8 e 9 da tela. Com fio longo a imagem sai com listras ou a tela fica branca.
• L/R do microfone vai no GND. O firmware escuta pelo canal esquerdo.
• O alto-falante vai no + e − do amplificador, nunca no GND.
• VDD do microfone e VCC da tela no 3V3, nunca no 5V. Só o amplificador vai no 5V.
• Junte todos os GND. Sem terra comum, nada funciona direito.

Com as peças impressas e a eletrônica testada. As letras em negrito são as das tabelas da seção 5.

1. Insertos. Com o ferro de solda a uns 220 °C (PLA) ou 240 °C (PETG), empurre um inserto M3 em cada torre H até ficar rente à borda. Devagar e reto.
2. Tela. Encaixe a tela entre as cantoneiras E, com o vidro virado para a janela e a fileira de pinos para baixo, do lado do alto-falante.
3. Alto-falante. Dentro do anel F, virado para a grade. Cola quente só na borda, nunca na membrana.
4. Microfone. Cole atrás do furo B, com o furinho da plaquinha alinhado ao furo da caixa. Uma rodela de fita de espuma em volta veda o som.
5. LED. Encaixe no furo C, por dentro, e prenda com uma gota de cola quente.
6. Botões impressos. Coloque nos furos I, por dentro, com a aba para dentro.
7. Suporte. Passe os fios da tela pelo rasgo M e os do microfone, do LED e do SD pelo rasgo O. Apoie nos pinos G e aperte os 4 parafusos M2,5. Os apoios K seguram a tela; se ela ainda mexer, cole um pedaço de fita de espuma em cada apoio.
8. ESP32 e amplificador. Cole com fita de espuma nas áreas marcadas, atrás do suporte, com os componentes virados para a tampa. Os conectores USB-C da ESP32 encostam no rasgo J.
9. Botões táteis. Cole cada um deitado em cima do suporte, com o botão encostando na aba do botão impresso. Use bastante cola quente atrás, porque é ali que ele recebe a força do dedo.
10. Teste ligado, ainda aberto. Confira que nenhum fio passa por cima da ESP32 a ponto de encostar na tampa.
11. Tampa. Encaixe o ressalto S na caixa e aperte os 4 parafusos M3 × 8 sem forçar.
12. Base de mesa. Cole os 4 pezinhos de silicone embaixo da base e encaixe a Iara no canal T, com a tela para a frente. Para levar, é só tirar.

A Iara é quem você desenhar. O jeito mais fácil e grátis é o VRoid Studio, que monta uma personagem 3D de corpo inteiro sem precisar saber modelar.

1. Baixe o VRoid Studio (grátis, para Windows e Mac) e crie um modelo novo feminino.
2. Ajuste rosto, cabelo e corpo. Para a roupa, uma camisa clara com blazer ou colete já passa a ideia de atendente.
3. Exporte em formato VRM (Arquivo, Exportar como VRM). Esse arquivo .vrm é tudo o que o gerador de vídeos precisa.

Os vídeos em breve

O gerador vai ser uma página no navegador: você carrega o arquivo .vrm, escolhe as animações de cada estado e baixa os vídeos prontos, no tamanho e no formato que a placa lê.

Tamanho

320 × 480, em pé

Quadros

12 por segundo

Fundo

Preto

Formato

MJPEG

Pasta no cartão

/iara

Boca

Na primeira versão não acompanha cada sílaba

A ESP32-S3 decodifica MJPEG a uns 15 quadros por segundo em 480 × 272. Na tela de 4" a meta é 12, que basta para ela respirar e se mexer de forma natural.

Quando o arquivo sair, a gravação é pelo navegador, sem instalar nada. Precisa do Chrome ou do Edge num computador.

1. Ligue a ESP32-S3 no computador pelo cabo USB-C, na porta marcada USB (não a UART).
2. Abra espressif.github.io/esptool-js, a ferramenta oficial da Espressif para gravar a placa.
3. Clique em Connect e escolha a porta da placa. Se ela não aparecer: segure BOOT, aperte RESET, solte o BOOT e tente de novo.
4. Na primeira vez, clique em Erase Flash e espere terminar.
5. Em Flash Address digite 0x0 e escolha o arquivo .bin.
6. Clique em Program. Quando terminar, aperte RESET na placa.

Pela linha de comando

pip install esptool
esptool --chip esp32s3 -b 460800 write-flash 0x0 iara-esp32s3-4pol.bin

Copiar os vídeos

1. Formate o cartão microSD em FAT32. Cartões acima de 32 GB vêm em exFAT e não funcionam.
2. Crie uma pasta iara na raiz e copie os cinco arquivos .mjpeg para dentro, com os nomes da tabela da seção 8.
3. Coloque o cartão na entrada atrás da tela antes de ligar a placa. Ele só sai de novo com a caixa aberta.

A Iara te guia pela tela em dois passos, do mesmo jeito que outros aparelhos baseados no XiaoZhi.

Com a caixa fechada, o BOOT e o RESET ficam lá dentro. Por isso a palavra "Iara" é o jeito normal de chamar; os botões da placa servem para a configuração, com a tampa aberta.

A placa só grava e toca o áudio. Quem entende o que você disse e gera a resposta é o servidor. Escolha um dos dois caminhos.

Personalidade de exemplo

Cole isto no campo de personalidade (prompt) do servidor que você escolher e ajuste do seu jeito:

Você é a Iara, uma atendente virtual simpática e direta.
Fale sempre em português do Brasil, de forma natural.
Responda em no máximo duas ou três frases, porque sua
resposta vai ser falada em voz alta.
Não use emojis, listas, asteriscos nem formatação.
Se não souber alguma coisa, diga que não sabe.

Quase todo problema é fio trocado ou mal soldado. Comece por aqui.