视频中的语音生成文字是通过语音识别技术实现的。语音识别技术利用计算机算法分析语音波形，将其转换成文本形式，从而实现音频数据的文字化。

这项技术采用了深度学习和神经网络等高级算法，可以高效地将声音转换为文字。同时，语音识别技术也实现了多语言支持和自然语言处理等功能，并逐渐被应用于实现人机交互和智能语音助手等领域。

通过将语音转换为文字，人们可以更加方便地记录和处理语音信息，提高工作效率和交流质量。