STT(speech to text) 기반의 비디오 검색 서비스 제공 장치에 있어서,사용자 단말과 통신하도록 구성된 통신 회로;메모리; 및상기 통신 회로 및 상기 메모리와 전기적으로 연결된 프로세서를 포함하고,상기 프로세서는,상기 통신 회로를 이용하여 상기 사용자 단말로부터 비디오 컨텐츠를 획득하고,STT에 기초하여 상기 비디오 컨텐츠를 분석함으로써 상기 비디오 컨텐츠에 포함된 발화에 대응하는 텍스트 데이터 및 상기 텍스트 데이터에 포함된 복수의 단위 요소 각각에 대응하는 복수의 타임 코드를 획득하고,상기 통신 회로를 이용하여 상기 사용자 단말로부터 검색어를 수신하고,상기 텍스트 데이터 및 상기 복수의 타임 코드에 기초하여, 상기 텍스트 데이터 중 상기 검색어와 매칭되는 부분에 대응하는 상기 비디오 컨텐츠의 일부 구간을 포함하는 비디오 클립에 대한 썸네일 이미지 및 스크립트의 일부를 상기 사용자 단말로 제공하고,상기 사용자 단말에서 상기 썸네일 이미지 또는 상기 스크립트에 대한 호버링 입력이 감지되면, 상기 사용자 단말로 제공되는 상기 스크립트의 일부를 확장하고,상기 사용자 단말에서 상기 비디오 클립이 선택되면 상기 비디오 클립을 저장하는 것을 특징으로 하는, 장치.