Update app.py

app.py

@@ -1,10 +1,9 @@
 import gradio as gr
 import requests
 
-# 替換為你選擇的模型 API URL
+# 替換為你正確的 Hugging Face API token
 API_URL = "https://api-inference.huggingface.co/models/KappaNeuro/ukiyo-e-art"
-headers = {"Authorization": headers = {"Authorization": "Bearer hf_your_actual_token_here"}
-}  # 替換為你的 Hugging Face API token
+headers = {"Authorization": "Bearer hf_your_actual_token_here"}  # 在這裡放入你的 Hugging Face API token
 
 def query(payload):
     response = requests.post(API_URL, headers=headers, json=payload)
@@ -13,23 +12,24 @@ def query(payload):
     return response.json()
 
 def inference(text):
-    # 確認 API 回應的格式
+    # 呼叫模型並獲取結果
     output = query({"inputs": text})
     
-    # 檢查回應是否為 JSON 格式，並避免發生錯誤
+    # 如果有錯誤信息，返回錯誤
     if isinstance(output, dict) and "error" in output:
         return f"Error: {output['error']}"
     
-    # 返回生成的結果（假設模型生成圖片連結或其他輸出）
-    return output  # 返回模型的完整回應，具體可根據回應格式進行處理
+    # 返回模型的輸出
+    return output  # 根據具體回應格式處理
 
 # 創建 Gradio 介面
 interface = gr.Interface(
     fn=inference,
     inputs=gr.Textbox(lines=2, placeholder="輸入生成藝術的描述..."),
-    outputs="text",  # 可調整為正確的輸出類型，依據模型回傳的格式
+    outputs="text",  # 根據模型輸出調整，假如是圖片，改為 `outputs="image"`
     title="最棒第一組的 Ukiyo-e Art 模型",
     description="這是一個呼叫 Hugging Face 上 Ukiyo-e Art 模型的應用"
 )
 
+# 啟動 Gradio 應用
 interface.launch()