장편 TV 드라마는 포괄적인 비디오 이해(video understanding)에 있어 매우 까다로운 과제를 제시하며, 복잡한 줄거리를 파악하는 것은 종종 각 발화(utterance)를 해당 캐릭터에 정확하게 할당하는 작업인 extbf{화자 인식 (speaker recognition)}에 의존합니다. 본 논문에서는 두 가지 주요 기여를 통해 이 분야를 발전시킵니다. (1) 우리는 900명 이상의 고유 캐릭터에 걸쳐 532K개의 주석이 달린 대사 라인으로 구성된 대규모 벤치마크인 extbf{DramaSR-532K}를 소개합니다. 이는 화자 인식을 위해 청각적, 언어적, 시각적 단서의 통합을 필요로 합니다. (2) 우리는 대규모 추론 모델 (LRM, large reasoning model)을 기반으로 구축된 강력한 접근 방식인 extbf{DramaSR-LRM}을 제안합니다. DramaSR-LRM은 멀티모달 도구 사용 (multimodal tool-use)을 통해 문맥적 증거를 자율적으로 집계하고, 다양한 입력을 합성하여 높은 충실도의 할당을 달성하도록 설계되었습니다. 실험 결과, DramaSR-LRM은 기존 베이스라인(baselines)을 크게 능가하며, 특히 음향 생체 인식 (acoustic biometrics)이 본질적으로 신뢰하기 어려운 짧은 발화에서 뛰어난 성능을 보였습니다. extit{모든 데이터와 코드는 프로젝트 페이지 https://www.github.com/198808xc/DramaSR-LRM 에 공개될 예정입니다.}