Create app.py

app.py

@@ -0,0 +1,65 @@
+import gradio as gr
+from transformers import pipeline
+
+# 1. Define el ID del modelo que vamos a usar
+# Este modelo está entrenado para clasificar si una imagen es Real o Deepfake (Synthetic)
+MODEL_ID = "prithivMLmods/deepfake-detector-model-v1"
+
+# 2. Carga el pipeline de clasificación de imágenes
+try:
+    print(f"Cargando el modelo: {MODEL_ID}...")
+    detector = pipeline("image-classification", model=MODEL_ID)
+    print("Modelo cargado con éxito.")
+except Exception as e:
+    print(f"Error al cargar el modelo: {e}")
+    # En caso de error, puedes definir una función dummy para que la app no falle
+    def detector(image):
+        return [{'label': 'Error en la carga del modelo', 'score': 1.0}]
+
+
+# 3. Definición de la función de predicción
+def predecir_deepfake(imagen):
+    """
+    Toma una imagen y devuelve la predicción del modelo.
+    """
+    if imagen is None:
+        return "Por favor, sube una imagen para analizarla."
+
+    # Llama al modelo
+    resultados = detector(imagen)
+    
+    # El resultado es una lista, tomamos la predicción con mayor puntuación
+    prediccion_principal = resultados[0]
+    etiqueta = prediccion_principal['label']
+    probabilidad = prediccion_principal['score'] * 100
+    
+    # Formatear el resultado
+    if "fake" in etiqueta.lower() or "synthetic" in etiqueta.lower():
+        etiqueta_final = "FALSA (GENERADA POR IA) 🤖"
+        color = "red"
+    else:
+        etiqueta_final = "VERDADERA (REAL) ✅"
+        color = "green"
+
+    markdown_output = f"""
+    ### Resultado del Análisis
+    
+    La imagen es clasificada como {etiqueta_final} con una confianza del {probabilidad:.2f}%.
+    """
+    return markdown_output
+
+# 4. Creación de la Interfaz Gradio
+iface = gr.Interface(
+    fn=predecir_deepfake,
+    inputs=gr.Image(type="filepath", label="Sube una imagen para la detección de Deepfake"),
+    outputs=gr.Markdown(),
+    title="🤖 DeepFake Detector",
+    description="Esta aplicación usa un modelo de clasificación de imágenes pre-entrenado para determinar si una foto es real o generada por inteligencia artificial (Deepfake).",
+    examples=[
+        # Agrega rutas a imágenes de ejemplo si las subes al Space
+        # ["path/a/una/imagen_ejemplo.jpg"] 
+    ]
+)
+
+# 5. Lanzamiento de la aplicación (esto es manejado por Hugging Face)
+iface.launch()