요약일 실시예에 따른 섬네일 생성 방법은, 음성 파일을 입력하는 단계; 상기 음성 파일 내 기 정해진 시간 간격에 따라 적어도 하나의 음성 정보를 추출하는 단계; 상기 추출된 적어도 하나의 음성 정보를 상기 음성 특징 벡터 추출 모델에 입력하여 적어도 하나의 음성 특징 벡터를 추출하는 단계; 및 상기 음성 특징 벡터를, 상기 이미지 생성기에 입력하여 적어도 하나의 섬네일을 생성하는 단계를 포함한다. 이때, 상기 음성 특징 벡터는 상기 이미지 특징 벡터와 소정 임베딩 공간 내에서 정렬된다.
