Update app.py

app.py

@@ -12,35 +12,63 @@ def predict(input_img):
     predictions = pipe(input_img)
     return input_img, {p["label"]: p["score"] for p in predictions}
 
-# 模型說明與免責聲明（會放在最下方）
+# 精簡中英文對照版說明
 model_card = """
 ---
 
-## 🧠 Model Description / 模型簡介
+## 🧠 Model Description / 模型簡介  
+This model classifies face images into two categories: **AI-generated** and **Not AI-generated**.  
+本模型將臉部圖片分類為「AI生成」或「非AI生成」。
 
-This model is a fine-tuned version of `microsoft/swin-tiny-patch4-window7-224` on the imagefolder dataset.
-It classifies face images into two categories: **AI-generated** and **Not AI-generated**.
+🔗 Model Homepage / 模型主頁：https://huggingface.co/hchcsuim/FaceAIorNot
 
-本模型是以 `microsoft/swin-tiny-patch4-window7-224` 微調訓練而成，可將臉部圖片分類為「AI生成」或「非AI生成」。
-
-🔗 [View on Hugging Face 模型主頁](https://huggingface.co/hchcsuim/FaceAIorNot)
+---
 
 ### 📊 Evaluation Results / 模型評估
 
-- Accuracy 準確率: **99.35%**
-- Precision 精確率: **99.25%**
-- Recall 召回率: **99.47%**
-- F1-score: **99.36%**
-- Loss: **0.0233**
+- Accuracy 準確率: **99.35%**  
+- Precision 精確率: **99.25%**  
+- Recall 召回率: **99.47%**  
+- F1-score F1 分數: **99.36%**  
+- Loss 損失: **0.0233**
+
+Dataset: 105,330 face images (50% real / 50% AI), from 17 datasets, 14 generation techniques, 90% train / 10% test  
+資料集共 105,330 張臉部圖片（50% 真人 / 50% AI），來自 17 個資料集、14 種生成技術，90% 訓練 / 10% 測試
+
+---
+
+### ⚠️ Disclaimer / 免責聲明  
+This model is for research and educational use only. Not 100% accurate.  
+請僅用於研究與教育用途，結果非百分之百準確。
 
-訓練資料包含 105,330 張臉部圖片（50% 為真實臉部，50% 為 AI 合成臉），來自 17 個資料集、14 種 AI 生成技術，90% 作為訓練集、10% 為測試集。
+Do not use for identity verification, legal judgment, or public exposure.  
+請勿用於身分驗證、法律判斷或公開揭露等用途。
+
+---
 
-### ⚠️ Disclaimer / 免責聲明
+### 👨‍💻 About the Developer / 關於開發者  
+**Hung Chih Hsiang（洪誌翔）**  
+Master’s student in Information Management, Cheng Shiu University.  
+正修科技大學 資訊管理所碩士生。
 
-This model is for research and educational use.  
-It may not be 100% accurate, and **should not be used for critical decisions, such as identity verification, legal judgement, or public shaming**.
+Focus: deepfake detection, snake recognition, system development, DevOps  
+專長：深度偽造辨識、蛇類辨識、系統開發與運維
+
+---
+
+### 🤝 Open to Collaborations / 歡迎合作  
+
+I'm open to:  
+我歡迎以下方向的合作：
+
+- Research or commercial AI projects / AI 研究或商業應用  
+- Model training, optimization, deployment / 模型訓練、優化與部署  
+- System development, MLOps & DevOps / 系統開發與 MLOps、DevOps 整合  
+
+---
 
-本模型僅供研究與教育用途參考，**結果非百分之百準確，請勿用於身分驗證、法律判斷、公開揭露等重要用途**。
+📧 Email: [email protected]  
+🐙 GitHub: https://github.com/hchcsuim
 """
 
 # Gradio 介面設定（雙語版）
@@ -51,10 +79,10 @@ gradio_app = gr.Interface(
         gr.Image(label="🖼️ Input Image / 輸入圖片"),
         gr.Label(label="🔍 Classification Result / 判斷結果", num_top_classes=2)
     ],
-    title="FaceAIorNot ｜ 真人臉，還是 AI 生成臉？",
+    title="FaceAIorNot ｜ 真人臉，還是 AI 生成人臉？",
     description=(
         "🤖 Upload or take a face photo to see if it's AI-generated or real.\n"
-        "🧑 上傳或拍攝一張臉部照片，判斷是真人還是 AI 合成圖。"
+        "🧑 上傳或拍攝一張臉部照片，判斷是真人還是 AI 生成圖。"
     ),
     article=model_card,
     allow_flagging="never"