近年、教育や研究発表でスライド説明動画が広く利用されているが、発話内容とスライドオブジェクトを対応付けて視覚効果を付与する編集作業には多大な労力を要する。先行研究では、テキストのみで構成された単純なスライドを対象とした大規模言語モデル（LLM）による自動対応付け手法「Text-S2SG」を提案し、F1-score 0.924 を達成している。本研究では、この手法の拡張として、より非線形な談話構造を含むスクリプトを想定した検証を行った。その結果，F1-score 0.936 を達成し、提案手法がスクリプトの文脈の複雑性に対する発展性も持つことが示された。