La entrega de objetos es una tarea colaborativa que requiere que los participantes sincronicen sus acciones en términos de espacio y tiempo, así como su adherencia a las normas sociales. Si un participante es un robot social y el otro un humano con discapacidad visual, las acciones deberían coordinarse favorablemente por voz. Los requisitos del usuario para tal Interfaz de Usuario por Voz (VUI), así como su estructura y contenido requeridos, son desconocidos hasta ahora. En nuestro estudio, aplicamos el proceso de diseño centrado en el usuario para desarrollar una VUI para humanos con discapacidad visual y humanos con visión completa. Se llevó a cabo un desarrollo iterativo con entrevistas, talleres y pruebas de usuario para derivar los requisitos de la VUI, la estructura del diálogo y el contenido. Un prototipo final de VUI fue evaluado en un experimento estandarizado con 60 sujetos que eran personas con discapacidad visual o con visión completa. Los resultados muestran que la VUI permitió a todos los sujetos recibir objetos con una tasa de error de solo el 1.8%. La simpatía y la precisión fueron evaluadas como las mejores, mientras que la habitabilidad y la velocidad de interacción mostraron necesitar mejoras. Los comentarios cualitativos apoyaron y detallaron los resultados, por ejemplo, cómo acortar algunos diálogos. Para concluir, recomendamos que el diseño inclusivo de VUI para robots sociales debe proporcionar información precisa para los procesos de entrega y prestar atención a las normas sociales.