O reconhecimento de voz desempenha um papel fundamental na comunicação humana e tem sido amplamente estudado na área de processamento de sinais. A voz humana contém informações valiosas que podem ser exploradas para inferir as emoções de um indivíduo. A detecção de emoções através da fala é uma abordagem de Processamento de Linguagem Natural (PLN) que combina análise acústica e linguística para identificar padrões emocionais. A emoção é uma experiência mental subjetiva e consciente, muitas vezes acompanhada por respostas ou mudanças biológicas específicas. Portanto, as palavras que usamos nem sempre refletem exatamente o que estamos sentindo. Nesse contexto, este trabalho propõe explorar a utilização concomitante de características sonoras e léxicas da voz em língua portuguesa do Brasil. A metodologia adotada envolveu uma revisão sistemática da literatura para identificar as melhores práticas e abordagens existentes, além de desenvolver um sistema de reconhecimento de emoções em tempo real que combina dados léxicos e prosódicos da fala. Para a classificação das emoções e construção dos modelos, foi utilizada uma Rede Neural Convolucional (CNN) e o Bidirectional Encoder Representations for Transformers (BERT), um modelo de transformador conhecido por sua eficácia em tarefas de linguagem natural. A validação dos resultados foi realizada por meio de testes e avaliação das métricas de acurácia e precisão. Foram obtidos dois resultados, sendo que o resultado ponderado apresentou uma taxa de 15% de acertos a mais que o resultado normal, totalizando 87.5%. A relevância social deste projeto reside na sua capacidade de melhorar a interação entre humanos e computadores, bem como de promover o bem-estar emocional dos indivíduos. Ao permitir o reconhecimento preciso e em tempo real das emoções por meio da voz, abre-se um leque de oportunidades para aplicação em áreas como saúde, marketing emocional e interações sociais. Essa abordagem pode contribuir para o desenvolvimento de tecnologias mais humanizadas, adaptadas às necessidades emocionais dos usuários, e fomentar a criação de ambientes mais empáticos e inclusivos, onde a compreensão e a expressão das emoções são valorizadas e utilizadas de forma construtiva, além de contribuir para a comunidade de PLN no Brasil.