Update app.py

app.py

@@ -1,45 +1,14 @@
 from transformers import pipeline
-import gradio as gr
-from PIL import ExifTags
 
-# Pakai model publik (gratis, tanpa login)
-classifier = pipeline("image-classification", model="orpatashnik/image-real-fake")
-
-def detect_image(image):
-    # --- Cek metadata (EXIF) ---
-    exif_result = "⚠️ Tidak ada metadata kamera"
-    try:
-        raw_exif = image._getexif()
-        if raw_exif:
-            exif_result = "✅ Metadata kamera terdeteksi"
-    except:
-        pass
-
-    # --- Prediksi model ---
-    results = classifier(image)
-    label = results[0]["label"]
-    score = results[0]["score"] * 100
-
-    if "fake" in label.lower():
-        verdict = "🚨 Kemungkinan besar Hasil AI"
-    else:
-        verdict = "📷 Kemungkinan besar Foto Asli"
-
-    return f"""{verdict}
-
-Label Model: {label}
-Confidence: {score:.2f}%
-
-Cek Metadata: {exif_result}
-"""
-
-# Gradio app
-iface = gr.Interface(
-    fn=detect_image,
-    inputs=gr.Image(type="pil"),
-    outputs="text",
-    title="AI Image Detector (Gratis)",
-    description="Upload gambar untuk mendeteksi apakah foto asli atau hasil AI"
-)
-
-iface.launch()
+# Menggunakan model publik dan gratis untuk klasifikasi gambar.
+# Model 'orpatashnik/image-real-fake' diganti karena tidak dapat diakses.
+classifier = pipeline("image-classification", model="google/vit-base-patch16-224")
+
+# Ini adalah contoh penggunaan, Anda bisa mengadaptasi sesuai kebutuhan.
+# Contoh: Melakukan klasifikasi pada file gambar.
+# from PIL import Image
+# import requests
+# url = "https://huggingface.co/datasets/huggingface/documentation-images/resolve/main/cat-dog.jpg"
+# image = Image.open(requests.get(url, stream=True).raw)
+# result = classifier(image)
+# print(result)