视频里面的声音提取出文字，通常需要使用一种被称之为语音识别或语音转文本的技术。下面是一些常见的步骤以及相应的软件或服务推荐：
1. **选择软件或服务**：选择一个提供语音识别功能的软件或在线服务。有许多工具和服务可以实现这一功能，如Google的语音识别、IBM Watson Speech to Text、Microsoft Azure Speech等。
2. **上传视频文件**：上传您的视频文件到所选的语音识别服务。大多数在线服务都会提供一个界面让您可以上传视频或音频文件。
3. **设置语言和选项**：在语音识别之前，您可能需要指定视频中使用的语言以及一些其他选项，例如专业术语或口音，以提高识别准确性。
4. **开始转换**：启动转换过程，让软件开始分析视频中的音频并转换成文字。这可能需要一些时间，取决于文件的大小和网络速度。
5. **编辑和校对**：转换完成后，通常需要进行编辑和校对，因为自动语音识别不可能是完美的。利用提供的编辑器工具来更正其中的错误。
6. **导出文本**：一旦您完成了编辑和校对工作，您可以将转换后的文本导出为文档格式，例如TXT或DOCX。
请注意，自动语音识别的准确性受到多种因素的影响，包括说话者的口音、背景噪音、语速等，因此可能需要手动调整和校对最终的文本。此外，某些语音识别服务可能是付费的，而免费服务可能有使用限制（如转换时间限制）。在使用之前，请仔细检查特定服务的条款和条件。
