diff --git a/README_CN.md b/README_CN.md
index 880f2063..3117730f 100644
--- a/README_CN.md
+++ b/README_CN.md
@@ -4,4 +4,204 @@
##
-还未完工，欢迎贡献！
+
+
+
+[](https://github.com/TencentARC/GFPGAN/releases)
+[](https://pypi.org/project/gfpgan/)
+[](https://github.com/TencentARC/GFPGAN/issues)
+[](https://github.com/TencentARC/GFPGAN/issues)
+[](https://github.com/TencentARC/GFPGAN/blob/master/LICENSE)
+[](https://github.com/TencentARC/GFPGAN/blob/master/.github/workflows/pylint.yml)
+[](https://github.com/TencentARC/GFPGAN/blob/master/.github/workflows/publish-pip.yml)
+
+
+- 以下是对英文版的翻译，个人水平有限，如有错误欢迎指正。– Translated by **[@FreemanRyan](https://github.com/FreemanRyan)**
+
+
+1. :boom: **更新** 在线 示例: [](https://replicate.com/tencentarc/gfpgan). 这是 [备份](https://replicate.com/xinntao/gfpgan).
+1. :boom: **更新** 在线 示例: [](https://huggingface.co/spaces/Xintao/GFPGAN)
+1. [Colab Demo](https://colab.research.google.com/drive/1sVsoBd9AjckIXThgtZhGrHRfFI6UUYOo) for GFPGAN 
; (原始论文的另一个模型展示 [Colab Demo](https://colab.research.google.com/drive/1Oa1WwKB4M4l1GmR7CtswDVgOCOeSLChA?usp=sharing) )
+
+
+
+> :rocket: **感谢您对我们的工作感兴趣. 您或许对我们在轻量化模型中进行动漫图片及视频处理感兴趣，右侧为链接可点击查看。 [Real-ESRGAN](https://github.com/xinntao/Real-ESRGAN/blob/master/docs/anime_video_model.md)** :blush:
+
+GFPGAN 致力于开发一个**真实世界人脸修复的实用算法**.
+
+它使用封装在GAN (*e.g.*, StyleGAN2) 中丰富多样的预训练的人脸模型来对模糊人脸进行AI修复.
+
+:question: 常见的问答可点击右侧链接查看 [FAQ.md](FAQ.md).
+
+:triangular_flag_on_post: **更新**
+
+- :white_check_mark: 添加 [RestoreFormer](https://github.com/wzhouxiff/RestoreFormer) 推理代码(用来加载训练好的模型并对新的数据进行预测).
+- :white_check_mark: 添加 [V1.4 model](https://github.com/TencentARC/GFPGAN/releases/download/v1.3.0/GFPGANv1.4.pth), 比 V1.3 产生更多细节和更好的特征.
+- :white_check_mark: 添加 **[V1.3 model](https://github.com/TencentARC/GFPGAN/releases/download/v1.3.0/GFPGANv1.3.pth)** 对与处理极低/极高图片质量，处理结果将更自然质量更高, . 详见 [Model zoo](#european_castle-model-zoo), [Comparisons.md](Comparisons.md)
+- :white_check_mark: 使用[Gradio](https://github.com/gradio-app/gradio) 集成到[Huggingface Spaces](https://huggingface.co/spaces) . 详见[Gradio Web Demo](https://huggingface.co/spaces/akhaliq/GFPGAN).
+- :white_check_mark: 使用 [Real-ESRGAN](https://github.com/xinntao/Real-ESRGAN) 支持增强对非人脸（背景）区域的处理.
+- :white_check_mark: 我们提供一个纯净的GFPGAN版本, 不要求包含CUDA 扩展.
+- :white_check_mark: 我们提供一个非彩色人脸更新模型.
+
+---
+
+如果GFPGAN 对您的照片或者项目有帮助, 欢迎您收藏:star:这个git仓库或者向您的朋友推荐它。 非常感谢。:blush:
+以下为您推荐一些其他相关的项目:
+:arrow_forward: [Real-ESRGAN](https://github.com/xinntao/Real-ESRGAN): 通用图像复原的实用算法
+:arrow_forward: [BasicSR](https://github.com/xinntao/BasicSR): 开源图像和视频恢复工具箱
+:arrow_forward: [facexlib](https://github.com/xinntao/facexlib): 提供有用的人脸关系功能的集合
+:arrow_forward: [HandyView](https://github.com/xinntao/HandyView): 一个基于PyQt5的图像查看器，便于查看和比较
+
+---
+
+### :book: GFP-GAN: 通过人脸预测模型实现真实世界的模糊面部修复
+
+> [[Paper](https://arxiv.org/abs/2101.04061)] [[Project Page](https://xinntao.github.io/projects/gfpgan)] [Demo]
+> [Xintao Wang](https://xinntao.github.io/), [Yu Li](https://yu-li.github.io/), [Honglun Zhang](https://scholar.google.com/citations?hl=en&user=KjQLROoAAAAJ), [Ying Shan](https://scholar.google.com/citations?user=4oXBp9UAAAAJ&hl=en)
+> Applied Research Center (ARC), Tencent PCG
+
+
+ 
+
+
+---
+
+## :wrench: 依赖和安装
+
+- Python >= 3.7 (推荐使用 [Anaconda](https://www.anaconda.com/download/#linux) or [Miniconda](https://docs.conda.io/en/latest/miniconda.html))
+- [PyTorch >= 1.7](https://pytorch.org/)
+- 可选: NVIDIA GPU + [CUDA](https://developer.nvidia.com/cuda-downloads)
+- 可选: Linux
+
+### 安装
+
+我们提供一个纯净的GFPGAN版本, 不要求包含个性化的CUDA 扩展.
+如果你想使用我们论文中的原始模型, 请查阅 [PaperModel.md](PaperModel.md) 中的安装步骤.
+
+1. 克隆仓库
+
+ ```bash
+ git clone https://github.com/TencentARC/GFPGAN.git
+ cd GFPGAN
+ ```
+
+1. 安装依赖包
+
+ ```bash
+ # Install basicsr - https://github.com/xinntao/BasicSR
+ # 我们使用 BasicSR 进行训练和预测
+ pip install basicsr
+
+ # Install facexlib - https://github.com/xinntao/facexlib
+ # 我们使用facexlib包中的人脸检测和人脸修复助手
+ pip install facexlib
+
+ pip install -r requirements.txt
+ python setup.py develop
+
+ # 如果您想使用 Real-ESRGAN 增强背景（非面部）区域,
+ # 您还需要安装 realesrgan 包
+ pip install realesrgan
+ ```
+
+## :zap: 快速预测
+
+我们使用 v1.3 版本作为例子. 更多模型可以在右侧链接中找到 [here](#european_castle-model-zoo).
+
+点击右侧链接，下载预训练模型: [GFPGANv1.3.pth](https://github.com/TencentARC/GFPGAN/releases/download/v1.3.0/GFPGANv1.3.pth)
+
+```bash
+wget https://github.com/TencentARC/GFPGAN/releases/download/v1.3.0/GFPGANv1.3.pth -P experiments/pretrained_models
+```
+
+**使用以下命令进行预测修复!**
+
+```bash
+python inference_gfpgan.py -i inputs/whole_imgs -o results -v 1.3 -s 2
+```
+
+```console
+Usage: python inference_gfpgan.py -i inputs/whole_imgs -o results -v 1.3 -s 2 [options]...
+
+ -h 查阅帮助
+ -i input 打开照片或者文件夹. Default: inputs/whole_imgs
+ -o output 保存路径. Default: results
+ -v version GFPGAN 模型版本. Option: 1 | 1.2 | 1.3. Default: 1.3
+ -s upscale 图像的最终升采样比例. Default: 2
+ -bg_upsampler 背景升采样器. Default: realesrgan
+ -bg_tile 背景采样器的系数大小, 0表示测试期间不使用系数. Default: 400
+ -suffix 输出结果后缀
+ -only_center_face 只对中部人脸进行修复
+ -aligned 输入是整齐人脸
+ -ext 图片扩展名. Options: auto | jpg | png, auto means using the same extension as inputs. Default: auto
+```
+
+如果你想使用我们论文中的原始模型, 请查阅 [PaperModel.md](PaperModel.md) 中的安装步骤以便使用.
+
+## :european_castle: 已有模型库
+
+| Version | Model Name | Description |
+| :-----: | :----------------------------------------------------------: | :-----------------------------------------------------: |
+| V1.3 | [GFPGANv1.3.pth](https://github.com/TencentARC/GFPGAN/releases/download/v1.3.0/GFPGANv1.3.pth) | 基于 V1.2; 更自然且高质量的修复结果. |
+| V1.2 | [GFPGANCleanv1-NoCE-C2.pth](https://github.com/TencentARC/GFPGAN/releases/download/v0.2.0/GFPGANCleanv1-NoCE-C2.pth) | 黑白; 无需 CUDA 扩展. 通过预处理使用更多数据进行训练。. |
+| V1 | [GFPGANv1.pth](https://github.com/TencentARC/GFPGAN/releases/download/v0.1.0/GFPGANv1.pth) | 论文模型, 彩色. |
+
+具体差异详见 [Comparisons.md](Comparisons.md).
+
+请注意，V1.3 并不总是优于 V1.2。 您可能需要根据您的目的和输入选择不同的模型。
+
+| 版本 | 优点 | 缺点 |
+| :--: | :----------------------------------------------------------: | :---------------------------------: |
+| V1.3 | ✓ 更自然
✓对低质量的照片有更好的修复效果
✓ 对高质量图片有更好的细节把控
✓ 能够进行二次修复 | ✗不够清晰
✗ 会改变一些特征细节 |
+| V1.2 | ✓ 更清晰的输出
✓ 有美颜效果 | ✗ 一些修复结果不够自然 |
+
+这里有 **更多模型 (例如 鉴别器)** : [[Google Drive](https://drive.google.com/drive/folders/17rLiFzcUMoQuhLnptDsKolegHWwJOnHu?usp=sharing)], OR [[Tencent Cloud 腾讯微云](https://share.weiyun.com/ShYoCCoc)]
+
+## :computer: 训练
+
+我们提供了 GFPGAN 的训练代码（已包含在我们的论文中）。
+您可以根据自己的需要对其进行改进。
+
+**友情提示**
+
+1. 更多高质量的人脸可以提高修复质量.
+2. 可能需要进行一些预处理，比如美颜.
+
+**程序**
+
+(您可以先尝试一个简单的不包含面部识别的组件版本 ( `options/train_gfpgan_v1_simple.yml`).)
+
+1. 数据集准备: [FFHQ](https://github.com/NVlabs/ffhq-dataset)
+
+1. 下载预训练模型及其他数据. 将它们放到 `experiments/pretrained_models` 文件夹中.
+ 1. [Pre-trained StyleGAN2 model: StyleGAN2_512_Cmul1_FFHQ_B12G4_scratch_800k.pth](https://github.com/TencentARC/GFPGAN/releases/download/v0.1.0/StyleGAN2_512_Cmul1_FFHQ_B12G4_scratch_800k.pth)
+ 1. [Component locations of FFHQ: FFHQ_eye_mouth_landmarks_512.pth](https://github.com/TencentARC/GFPGAN/releases/download/v0.1.0/FFHQ_eye_mouth_landmarks_512.pth)
+ 1. [A simple ArcFace model: arcface_resnet18.pth](https://github.com/TencentARC/GFPGAN/releases/download/v0.1.0/arcface_resnet18.pth)
+
+1. 修改相应的配置文件 `options/train_gfpgan_v1.yml` .
+
+1. 执行训练脚本
+
+> python -m torch.distributed.launch --nproc_per_node=4 --master_port=22021 gfpgan/train.py -opt options/train_gfpgan_v1.yml --launcher pytorch
+
+## :scroll: 许可证书及认证
+
+GFPGAN 在 Apache License Version 2.0 下发布。
+
+## BibTeX 目录生成
+
+ @InProceedings{wang2021gfpgan,
+ author = {Xintao Wang and Yu Li and Honglun Zhang and Ying Shan},
+ title = {Towards Real-World Blind Face Restoration with Generative Facial Prior},
+ booktitle={The IEEE Conference on Computer Vision and Pattern Recognition (CVPR)},
+ year = {2021}
+ }
+
+## :e-mail: 联系方式
+
+如果您有任何疑问， 请发送邮件至 `xintao.wang@outlook.com` or `xintaowang@tencent.com`.