商談用途に切り替え、HuggingFace Spaces で動くようにする

- Dockerfile を追加。ffmpeg とモデルを箱に焼き込むので起動が速い
- APP_PASSWORD による簡易認証を追加（未設定なら素通し＝ローカル用）
- HOST/PORT を環境変数で切り替え（コンテナでは 0.0.0.0:7860）
- 公開先でパスワード未設定のときは画面に警告を出す
- 既定の語彙を介護から商談に変更
- README を Spaces の手順と料金表に書き直し

.dockerignore

@@ -0,0 +1,6 @@
+.venv/
+__pycache__/
+*.pyc
+.git/
+.claude/
+出力/

Dockerfile

@@ -0,0 +1,35 @@
+# HuggingFace Spaces / その他のコンテナ環境で動かすための定義。
+# 画面もモデルもこの1つの箱に入るので、どこに置いても同じ挙動になる。
+FROM python:3.12-slim
+
+# 音声の変換に ffmpeg（と長さを測る ffprobe）が要る
+RUN apt-get update \
+ && apt-get install -y --no-install-recommends ffmpeg \
+ && rm -rf /var/lib/apt/lists/*
+
+# Spaces は root で動かさない決まりなので、一般ユーザーを作る
+RUN useradd -m -u 1000 user
+USER user
+ENV HOME=/home/user \
+    PATH=/home/user/.local/bin:$PATH \
+    HF_HOME=/home/user/.cache/huggingface
+
+WORKDIR /home/user/app
+
+COPY --chown=user requirements.txt ./
+RUN pip install --no-cache-dir --upgrade pip \
+ && pip install --no-cache-dir torch torchaudio --index-url https://download.pytorch.org/whl/cpu \
+ && pip install --no-cache-dir -r requirements.txt
+
+# 文字起こしモデルを箱の中に焼いておく。
+# こうしないと、起動のたびに約1.6GBを取りに行って数分待たされる。
+RUN python -c "from faster_whisper import WhisperModel; WhisperModel('large-v3-turbo', device='cpu', compute_type='int8')"
+
+COPY --chown=user . ./
+
+# コンテナの外から届くようにする（自分のPCで動かすときは app.py の既定=127.0.0.1）
+ENV HOST=0.0.0.0 \
+    PORT=7860
+
+EXPOSE 7860
+CMD ["python", "app.py"]

README.md

@@ -1,74 +1,99 @@
-# 録音文字起こし（Windows・ローカル完結）
+---
+title: 商談文字起こし
+emoji: 🎙️
+colorFrom: gray
+colorTo: indigo
+sdk: docker
+app_port: 7860
+pinned: false
+short_description: 商談録音のZIPを文字起こしして話者ごとにCSVにする
+---
+
+# 商談文字起こし
 
-録音ZIPを投げると、指定秒数以上のファイルだけを文字起こしし、話者ごとに分けてCSVにするローカルWebアプリ。
-音声・文字起こし結果ともに外部へ送信しない（モデルの初回ダウンロードのみ通信あり）。
+録音ZIPを投げると、指定秒数以上のファイルだけを文字起こしし、話者ごとに分けてCSVにするWebアプリ。
 
-- 文字起こし: Whisper large-v3 系（Windows は faster-whisper、Mac の Apple Silicon は MLX）
-- 話者分離: pyannote.audio 3.1
-- 費用: 0円。すべてオープンソース＋ローカル実行
+- 文字起こし: Whisper large-v3 系（faster-whisper。GPUがあれば自動で使う）
+- 話者分離: pyannote.audio 3.1（任意。使うにはHuggingFaceのトークンが要る）
+- 動く場所: HuggingFace Spaces（URLでどのPCからでも）／ 自分のPC（ローカル完結）
+
+同じコードが両方で動く。違いは環境変数だけ。
 
 ---
 
-## 1. セットアップ
+## 1. HuggingFace Spaces に置く（URLで使う）
 
-### ffmpeg
+### 1-1. Space を作る
 
-PowerShell で:
+1. https://huggingface.co/new-space を開く
+2. **Space name** に `shodan-mojiokoshi` など。**Owner** は個人でもOrganizationでも可
+3. **License** は任意。**Space SDK** は **Docker** → **Blank** を選ぶ
+4. **Public** を選ぶ（理由は下記）
+5. **Create Space**
 
-```powershell
-winget install Gyan.FFmpeg
-```
+**Public と Private の選び方**
 
-インストール直後は PATH に載っていないことがあるが、このアプリは winget の置き場も自分で探すのでそのまま動く。
+| | 誰が使えるか | 向き不向き |
+|---|---|---|
+| Public ＋ アプリのパスワード（推奨） | URLとパスワードを知っている人。**HuggingFaceのアカウントは不要** | 社内の誰でもURLを開けばいい。ソースコードは公開されるが、録音や結果は公開されない |
+| Private | Space の所有者と Organization メンバーだけ。**全員にHuggingFaceアカウントが必要** | 社内の全員をHuggingFaceのOrganizationに招く前提なら |
 
-### Python環境
+「どのパソコンからでもURLで」を優先するなら **Public ＋ 次のパスワード設定**が実用的です。
+その場合、**パスワード設定は必須**と考えてください。
 
-Python 3.12 を使う。フォルダの中で PowerShell を開き:
+### 1-2. パスワードを設定する（必ず先に）
 
-```powershell
-.\setup.ps1
-```
+Space の **Settings** → **Variables and secrets** → **New secret**
 
-仮想環境 `.venv` を作り、torch（CPU版）と残りのライブラリを入れる。数分かかる。
-`python` ではなく `.venv\Scripts\python.exe` を使う点に注意（PATH 上の python.exe は Store のスタブ）。
+| Name | Value |
+|---|---|
+| `APP_PASSWORD` | 好きなパスワード |
+| `APP_USER` | ログイン名（省略すると `spin`） |
+| `HF_TOKEN` | 話者分離を使うときだけ。read権限のトークン |
 
-### HuggingFaceトークン（話者分離に必要）
+`APP_PASSWORD` を設定しないと、**URLを知っている人は誰でも使えます**（その状態のときは画面に赤い警告が出ます）。
+Public にするなら、コードを送る前にここを設定しておく。
 
-1. https://huggingface.co/join でアカウント作成（無料）
-2. 次の2つのページを開き、それぞれ利用条件に同意する
-   - https://huggingface.co/pyannote/speaker-diarization-3.1
-   - https://huggingface.co/pyannote/segmentation-3.0
-3. https://huggingface.co/settings/tokens で read 権限のトークンを作成
+### 1-3. コードを送る
 
-トークンは環境変数に入れておくと毎回の入力が不要になる。PowerShell で一度だけ:
+Space のページに出ている git のURLを使って、このフォルダから送る。
 
-```powershell
-setx HF_TOKEN "hf_xxxxxxxxxxxx"
+```bash
+git remote add space https://huggingface.co/spaces/<オーナー名>/<Space名>
+git push space main
 ```
 
-設定後は PowerShell を開き直す。
+初回はパスワードの代わりに **HuggingFace のアクセストークン（write権限）** を聞かれる。
 
-**両方のページで同意しないと動かない。** ここを飛ばすとモデル読み込みで失敗する。
-話者分離をオフにすれば、トークン無しでも文字起こしだけは使える。その場合は話者列が空になる
-（区間が無いことを誤認識と数えて全行に「要確認」が付かないようにしてある）。
+送ると Space が自動でビルドを始める。**初回は15〜20分かかる**（Whisperのモデルを箱に焼き込むため）。
+Building → Running に変われば完成。以後 `git push space main` するたびに自動で更新される。
+
+GitHubにも置きたい場合は、リモートを2つ持たせればいい。
+
+```bash
+git remote add origin https://github.com/<アカウント>/<リポジトリ>.git
+git push origin main
+```
 
 ---
 
-## 2. 起動
+## 2. 速度と料金
 
-エクスプローラーで `start.cmd` をダブルクリックする。ブラウザが開く。
+Spaces の無料枠は 2 vCPU。**動くが、速くはない。**
 
-コマンドから起動する場合:
+| ハードウェア | 料金 | 1時間の商談を文字起こしする時間 |
+|---|---|---|
+| CPU Basic（無料・初期設定） | ¥0 | 1.5〜3時間 |
+| CPU Upgrade（8 vCPU） | $0.03/時 | 30〜45分 |
+| Nvidia T4 small | $0.40/時 | 3〜5分 |
 
-```powershell
-.\.venv\Scripts\python.exe app.py
-```
+有料ハードウェアは **Settings → Sleep time** で「◯分使われなければ寝る」を設定できる。
+寝ている間は課金されないので、月に数時間しか使わないなら、有料でも実際の請求は数十円〜数百円で収まる。
 
-`127.0.0.1:8000` にのみ待ち受けるので、同じPC以外からはアクセスできない。
-別のポートを使いたいときは `$env:PORT=8030` のように指定する。
+**まず無料で始めて、遅くて使い物にならなければ上げる**のが安全。ハードウェアの変更は Settings から数クリックで、コードの変更は要らない
+（ただしGPUを使う場合は `Dockerfile` の torch を CUDA版に差し替える必要があるので、そのときは声をかけてください）。
 
-初回はWhisperと話者分離のモデルを取得するため数分かかる。2回目以降はキャッシュから読む
-（`C:\Users\<ユーザー名>\.cache\huggingface`）。
+無料枠は **48時間使われないと寝る**。次に開いた人は起動を数分待つことになる。
 
 ---
 
@@ -87,11 +112,11 @@ setx HF_TOKEN "hf_xxxxxxxxxxxx"
 ```
 文字起こし_<ID>/
 ├── 書き起こし/
-│   ├── 001_訪問_田中様.txt      ← 人が読む用。そのまま記録に貼れる
-│   └── 002_訪問_佐藤様.txt
+│   ├── 001_A社_初回訪問.txt      ← 人が読む用。そのまま議事録に貼れる
+│   └── 002_B社_見積提示.txt
 ├── データ/
-│   ├── 001_訪問_田中様.csv      ← システム取り込み用
-│   └── 002_訪問_佐藤様.csv
+│   ├── 001_A社_初回訪問.csv      ← システム取り込み用
+│   └── 002_B社_見積提示.csv
 ├── 録音ごと.xlsx                 ← 1録音＝1シート＋先頭に一覧シート
 ├── 処理結果一覧.csv              ← 何が処理され何が除外されたかの記録
 └── 全発話.csv                    ← 横断で検索・集計したいとき用
@@ -100,41 +125,16 @@ setx HF_TOKEN "hf_xxxxxxxxxxxx"
 画面上でも録音ごとの折りたたみカードになっていて、1本だけコピーしたり、
 その録音のテキスト／CSVだけを個別に落とすこともできる。
 
-**書き起こしテキスト（.txt）の形**
-
-```
-────────────────────────────────────────
-訪問_田中様.m4a
-────────────────────────────────────────
-録音日時   2026-08-12 10:32:04
-録音長     00:06:52（412秒）
-話者       SPEAKER_00、SPEAKER_01
-状態       書き起こし済み
-
-00:00:03  SPEAKER_00
-    今日の体温は36度4分でした
-
-00:00:12  SPEAKER_01
-    ありがとう、変わりないね
-
-00:04:41  SPEAKER_00  ※要確認（Whisperの定型幻聴に一致）
-    ご視聴ありがとうございました
-
-────────────────────────────────────────
-全 3 発話 / 要確認 1 件
-```
-
 **CSVの列**（録音ごとのCSV）
 
 | 列 | 内容 |
 |---|---|
 | 開始 / 終了 | 発話のタイムコード |
-| 話者 | SPEAKER_00, SPEAKER_01 … |
+| 話者 | SPEAKER_00, SPEAKER_01 …（話者分離オフなら空） |
 | 発話内容 | 書き起こし |
 | 要確認 | 誤認識の疑いがある行に印 |
 | 備考 | 疑わしいと判定した理由 |
 
-`全発話.csv` はこれの先頭に「ファイル名・録音日時・録音長(秒)」が付く。
 Excelで文字化けしないようBOM付きUTF-8で出力している。
 
 30秒未満で除外したファイルは発話CSVには出ないが、`処理結果一覧.csv` と
@@ -142,63 +142,93 @@ Excelで文字化けしないようBOM付きUTF-8で出力している。
 
 ---
 
-## 4. 知っておくべき制約
+## 4. 話者分離を使う（任意）
+
+商談で「どちらが話したか」を分けたいときに使う。設定し���くても文字起こしは動く（話者列が空になるだけ）。
+
+1. https://huggingface.co/pyannote/speaker-diarization-3.1 と
+   https://huggingface.co/pyannote/segmentation-3.0 の**両方**で利用条件に同意する
+2. https://huggingface.co/settings/tokens で read 権限のトークンを作る
+3. Space の Secret に `HF_TOKEN` として登録する（自分のPCで動かすなら `setx HF_TOKEN "hf_..."`）
+
+1対1の商談なら「話者の人数」に `2` を入れると精度が上がる。
+ただし**話者分離は文字起こしと同じかそれ以上の時間がかかる**ので、無料枠では現実的でないことが多い。
+
+---
+
+## 5. 知っておくべき制約
 
 **話者の名前は自動では分からない。** `SPEAKER_00` のような番号が振られるだけで、
-どれが職員でどれが利用者かは人が対応付ける必要がある。
-話者人数を事前に指定すると精度が目に見えて上がるので、1対1の訪問なら「2」を入れる。
+どちらが自社でどちらが先方かは人が対応付ける必要がある。
 
-**精度は録音環境に強く依存する。** レコーダーを机に置いた1対1の会話なら実用的だが、
-複数人が同時に話す、テレビや生活音が大きい環境では話者の切り替わりを取りこぼす。
+**精度は録音環境に強く依存する。** レコーダーを机に置いた1対1の商談なら実用的だが、
+複数人が同時に話す、店内の騒音が大きい環境では話者の切り替わりを取りこぼす。
 「完成品」ではなく「人が直す前提の下書き」として設計してある。
 
 **Whisperは無音区間で幻の文を作る。** 「ご視聴ありがとうございました」のような定型句が典型。
 検出した行は削除せず「要確認」を立てるようにした。勝手に消すと、
 本当の発話まで消えたときに気づけないため。
 
-**このPCはCPU処理になる。** NVIDIAのGPUが無いため、文字起こしも話者分離もCPUで回る。
-精度の既定を `large-v3` ではなく `large-v3-turbo` にしてあるのはそのため。
-GPU搭載機で動かせば自動で `large-v3` が既定になり、速度も数倍になる。
+**録音は相手の同意を得てから。** 商談相手との会話を録音すること自体は違法ではないが、
+文字起こしを社外に出す、AIの学習に使うといった話になると別問題になる。運用ルールは決めておく。
 
-**処理時間の目安（このPC / Ryzen 5 7530U・CPU処理）**
-実測: `large-v3-turbo`・話者分離オフで、合計91秒の録音3本がモデル読み込み込み102秒。
-モデル読み込み（起動後の最初の1回だけ40秒前後）を除くと、録音1秒あたり0.6〜0.7秒。
-つまり1時間の録音で文字起こし35〜45分程度。話者分離を入れると同程度の時間が上乗せされる。
-`large-v3` を選ぶとさらに数倍かかる。長時間の録音は夜間にまとめて流すのが現実的。
+---
+
+## 6. 自分のPCで動かす（ローカル完結）
+
+外に一切出したくない録音は、こちらを使う。
 
-**要配慮個人情報の扱い。** 介護の録音は個人情報保護法の要配慮個人情報にあたる可能性が高い。
-ローカル完結にしてあるのはそのためだが、出力CSVの保存場所、保持期間、
-アクセス権限は運用側で決める必要がある。作業用の一時ファイルは処理後に削除している。
+```powershell
+.\setup.ps1      # 初回のみ。Python環境を作る
+```
+
+ffmpeg が要る。PowerShell で `winget install Gyan.FFmpeg`。
+
+起動は `start.cmd` をダブルクリック。`127.0.0.1:8000` にのみ待ち受けるので、
+同じPC以外からはアクセスできない。パスワードも掛からない（掛けたい場合は `APP_PASSWORD` を設定する）。
 
 ---
 
-## 5. ファイル構成
+## 7. ファイル構成
 
 ```
-koe-okoshi/
-├── app.py            Webサーバー（アップロード・進捗・CSV出力）
+spinthoughts/
+├── app.py            Webサーバー（アップロード・認証・進捗・出力）
 ├── pipeline.py       ZIP展開 → 長さフィルタ → 文字起こし → 話者分離 → 統合
 ├── index.html        画面
-├── setup.ps1         初回セットアップ
-├── start.cmd         起動
+├── Dockerfile        Spaces / コンテナ用
+├── setup.ps1         自分のPCで動かすための初回セットアップ
+├── start.cmd         自分のPCでの起動
 ├── requirements.txt
 └── README.md
 ```
 
 処理の中身を変えたいときは `pipeline.py` を見る。
-たとえば `HALLUCINATION_PATTERNS` に自分の環境で出やすい誤認識を足せる。
-`DEFAULT_PROMPT` に事業所名や利用者様の呼称を足すと固有名詞の精度が上がる。
+`DEFAULT_PROMPT` に自社名・��品名・業界用語を足すと、固有名詞の精度が上がる。
+`HALLUCINATION_PATTERNS` には、自分の環境で出やすい誤認識を足せる。
+
+### 環境変数
+
+| 名前 | 既定 | 用途 |
+|---|---|---|
+| `APP_PASSWORD` | 空（＝認証なし） | 設定すると閲覧にパスワードが要る |
+| `APP_USER` | `spin` | ログイン名 |
+| `HF_TOKEN` | 空 | 話者分離に使う |
+| `HOST` | `127.0.0.1` | コンテナでは `0.0.0.0` |
+| `PORT` | `8000` | Spaces では `7860` |
+| `HOSTED` | 空 | 設定すると画面の説明文が「サーバー処理」向けに変わる |
 
 ---
 
-## 6. うまくいかないとき
+## 8. うまくいかないとき
 
 | 症状 | 対処 |
 |---|---|
-| ffmpeg が見つからない | `winget install Gyan.FFmpeg` を実行し、PowerShellを開き直す |
+| Space が Build error | ログの最後を見る。多くは requirements.txt の綴りかネットワーク。再ビルドで直ることもある |
+| Space が寝ている | 無料枠は48時間で寝る。開いて数分待つ |
+| パスワードを聞かれない | `APP_PASSWORD` が未設定。Settings → Secrets を確認 |
 | 話者分離モデルが読めない | HuggingFaceの2ページ両方で条件に同意したか、トークンが read 権限か確認 |
 | 日本語ファイル名が化ける | Windows製ZIPのCP932は自動判別済み。それでも化けるなら元のZIPの作り方を確認 |
-| 極端に遅い | 精度を `turbo` に落とす、または話者分離をオフにする |
+| 極端に遅い | 精度を `turbo` に落とす、話者分離をオフにする、ハードウェアを上げる |
 | 発話が検出されない | 録音の音量が小さい可能性。`ffmpeg -i 元ファイル -af loudnorm 正規化後.wav` で正規化してから再投入 |
-| ポート8000が使用中 | `$env:PORT=8030; .\.venv\Scripts\python.exe app.py` |
-| モデル取得で WinError 1314 | HuggingFaceキャッシュのシンボリックリンクに管理者権限が要るのが原因。`pipeline.py` で実体コピーに切り替え済み。それでも出るなら `C:\Users\<ユーザー名>\.cache\huggingface` の該当モデルフォルダを消して再実行 |
+| ローカルでモデル取得が WinError 1314 | HuggingFaceキャッシュのシンボリックリンク。実体コピーに切替済み。残骸が残っていたら `.cache\huggingface` の該当フォルダを消して再実行 |

app.py

@@ -11,6 +11,8 @@
 
 from __future__ import annotations
 
+import base64
+import hmac
 import os
 import shutil
 import tempfile
@@ -19,8 +21,8 @@ import traceback
 import uuid
 from pathlib import Path
 
-from fastapi import FastAPI, File, Form, HTTPException, UploadFile
-from fastapi.responses import FileResponse, HTMLResponse, JSONResponse
+from fastapi import FastAPI, File, Form, HTTPException, Request, UploadFile
+from fastapi.responses import FileResponse, HTMLResponse, JSONResponse, Response
 
 import pipeline as pl
 
@@ -32,6 +34,33 @@ app = FastAPI(title="録音文字起こし")
 JOBS: dict[str, dict] = {}
 LOCK = threading.Lock()
 
+# インターネットに置くときは APP_PASSWORD を設定する。
+# 未設定なら素通し（自分のPCで動かすときはこれで困らない）。
+APP_USER = os.environ.get("APP_USER", "spin")
+APP_PASSWORD = os.environ.get("APP_PASSWORD", "")
+
+
+@app.middleware("http")
+async def require_password(request: Request, call_next):
+    if not APP_PASSWORD:
+        return await call_next(request)
+
+    header = request.headers.get("authorization", "")
+    if header.startswith("Basic "):
+        try:
+            user, _, password = base64.b64decode(header[6:]).decode("utf-8").partition(":")
+            # 文字列比較の時間差から答えが漏れないように compare_digest を使う
+            if hmac.compare_digest(user, APP_USER) and hmac.compare_digest(password, APP_PASSWORD):
+                return await call_next(request)
+        except Exception:
+            pass
+
+    return Response(
+        "パスワードが必要です。",
+        status_code=401,
+        headers={"WWW-Authenticate": 'Basic realm="spinthoughts"'},
+    )
+
 
 def update(job_id: str, **fields) -> None:
     with LOCK:
@@ -122,6 +151,8 @@ def environment() -> JSONResponse:
         "gpu": pl.gpu_label(),
         "defaultModel": pl.default_model_size(),
         "tokenFromEnv": bool(os.environ.get("HF_TOKEN")),
+        "passwordSet": bool(APP_PASSWORD),
+        "hosted": bool(os.environ.get("HOSTED")),
         "defaultPrompt": pl.DEFAULT_PROMPT,
     })
 
@@ -245,4 +276,10 @@ def download_one(job_id: str, index: int, kind: str) -> FileResponse:
 if __name__ == "__main__":
     import uvicorn
 
-    uvicorn.run(app, host="127.0.0.1", port=int(os.environ.get("PORT", "8000")))
+    # 既定は 127.0.0.1（自分のPCからしか開けない）。
+    # コンテナで動かすときだけ HOST=0.0.0.0 を渡す。
+    uvicorn.run(
+        app,
+        host=os.environ.get("HOST", "127.0.0.1"),
+        port=int(os.environ.get("PORT", "8000")),
+    )

index.html

@@ -248,7 +248,7 @@
 
   <header class="masthead">
     <h1>録音文字起こし</h1>
-    <p>ZIPの中から一定の長さ以上の録音だけを選び、話者ごとに書き起こしてCSVにします。音声はこのPCの外に出ません。</p>
+    <p id="lede">ZIPの中から一定の長さ以上の録音だけを選び、話者ごとに書き起こしてCSVにします。</p>
     <div class="chips" id="chips"></div>
   </header>
 
@@ -339,6 +339,11 @@ let poller = null;
 /* ---------- environment ---------- */
 fetch("/environment").then(r => r.json()).then(env => {
   $("prompt").value = env.defaultPrompt || "";
+  $("lede").textContent = env.hosted
+    ? "ZIPの中から一定の長さ以上の録音だけを選び、話者ごとに書き起こしてCSVにします。"
+      + "音声はサーバー上で処理され、処理が終わると消えます。"
+    : "ZIPの中から一定の長さ以上の録音だけを選び、話者ごとに書き起こしてCSVにします。"
+      + "音声はこのPCの外に出ません。";
   if (env.defaultModel) $("modelSize").value = env.defaultModel;
   if (!env.gpu) {
     $("modelHint").textContent =
@@ -354,7 +359,11 @@ fetch("/environment").then(r => r.json()).then(env => {
     env.tokenFromEnv
       ? { text: "HF_TOKEN 設定済み", cls: "ok" }
       : { text: "HF_TOKEN 未設定", cls: "" },
-  ];
+    // 公開先でパスワードを掛け忘れると、URLを知る全員が使えてしまう
+    env.hosted && !env.passwordSet
+      ? { text: "パスワード未設定 — URLを知る人は誰でも使えます", cls: "bad" }
+      : null,
+  ].filter(Boolean);
   $("chips").innerHTML = chips
     .map(c => `<span class="chip ${c.cls}">${c.text}</span>`)
     .join("");

pipeline.py

@@ -50,9 +50,9 @@ MLX_MODELS = {
 }
 
 DEFAULT_PROMPT = (
-    "訪問介護の記録です。バイタル、血圧、体温、脈拍、服薬、排泄、入浴介助、"
-    "デイサービス、ケアマネ、居宅介護支援、モニタリング、ADL、清拭、"
-    "利用者様、ご家族、といった言葉が出てきます。"
+    "商談の記録です。御社、弊社、お見積り、御見積、初期費用、月額、ランニングコスト、"
+    "導入、稟議、決裁、リード、ヒアリング、課題感、費用対効果、他社比較、相見積もり、"
+    "契約、締結、納期、トライアル、といった言葉が出てきます。"
 )