RPA可以通过语音识别技术从视频中提取文字。具体来说，RPA会先对视频进行预处理，例如对视频进行切割、降噪等操作，以提高语音识别的准确性和效率。然后，RPA会使用语音识别技术对视频中的语音进行转换，将语音转换为可编辑的文本。

需要注意的是，从视频中提取文字比从图片中提取文字要复杂得多，因为视频中不仅包含图像信息，还包含声音信息。因此，RPA需要同时处理图像和声音两种信息，并且需要进行语音和文字的转换。

目前，从视频中提取文字的技术还在不断发展和完善中，一些RPA厂商也正在积极研发相关的技术和产品。随着技术的进步和应用场景的扩大，相信从视频中提取文字的技术会越来越成熟，为企业提供更全面、智能的自动化解决方案。