Update app.py

app.py

@@ -14,9 +14,13 @@ REPO_ID       = os.getenv("REPO_ID", "Dusit-P/thai-sentiment")
 DEFAULT_MODEL = os.getenv("DEFAULT_MODEL", "WCB")
 HF_TOKEN      = os.getenv("HF_TOKEN", None)
 
-AVAILABLE_CHOICES = ["WCB", "WCB_BiLSTM", "WCB_CNN_BiLSTM", "WCB_4Layer_BiLSTM"]
+# เลือกเฉพาะโมเดลที่ให้ผลดีที่สุด
+AVAILABLE_CHOICES = ["WCB", "WCB_BiLSTM"]
+# โมเดลที่ซ่อนไว้ (uncomment เพื่อเปิดใช้):
+# AVAILABLE_CHOICES = ["WCB", "WCB_BiLSTM", "WCB_CNN_BiLSTM", "WCB_4Layer_BiLSTM"]
+
 if DEFAULT_MODEL not in AVAILABLE_CHOICES:
-    DEFAULT_MODEL = "WCB"
+    DEFAULT_MODEL = "WCB_BiLSTM"  # เปลี่ยน default เป็นตัวที่ดีที่สุด
 
 NEG_COLOR = "#F87171"
 POS_COLOR = "#34D399"
@@ -529,7 +533,7 @@ with gr.Blocks(title="Thai Sentiment Analysis", theme=gr.themes.Soft()) as demo:
         choices=AVAILABLE_CHOICES, 
         value=DEFAULT_MODEL, 
         label="🤖 เลือกโมเดล",
-        info="แนะนำ: WCB สำหรับความเร็ว, WCB_4Layer_BiLSTM สำหรับความแม่นยำ"
+        info="WCB = เร็ว | WCB_BiLSTM = แม่นยำสูงสุด (แนะนำ)"
     )
 
     # =================== Tab 1: วิเคราะห์หลายรีวิว ===================
@@ -691,10 +695,13 @@ with gr.Blocks(title="Thai Sentiment Analysis", theme=gr.themes.Soft()) as demo:
     
     **WangchanBERTa Variants** - โมเดล BERT ภาษาไทยที่ได้รับการฝึกสำหรับงานวิเคราะห์ความรู้สึก
     
-    - **WCB**: เร็ว เหมาะกับงานทั่วไป
-    - **WCB_BiLSTM**: เพิ่มความแม่นยำด้วย BiLSTM
+    - **WCB**: รุ่นพื้นฐาน - เร็ว เหมาะกับงานทั่วไป
+    - **WCB_BiLSTM**: เพิ่ม BiLSTM layer - **แม่นยำสูงสุด (แนะนำ)** ⭐
+    
+    <!-- โมเดลอื่นๆ ที่ซ่อนไว้:
     - **WCB_CNN_BiLSTM**: ใช้ CNN + BiLSTM เพิ่มประสิทธิภาพ
-    - **WCB_4Layer_BiLSTM**: แม่นยำสูงสุด แต่ช้ากว่า
+    - **WCB_4Layer_BiLSTM**: BiLSTM 4 ชั้น (ช้ากว่า)
+    -->
     
     📌 **หมายเหตุ:** โมเดลวิเคราะห์เฉพาะ **เชิงบวก/เชิงลบ** เท่านั้น (ไม่มี neutral)
     """)