BLIP
blip-captioningSalesforce BLIP. Vision-language model for image captioning and visual question answering. Given an image it writes a short natural-language caption, or answers a question about the image when one is supplied. A widely used baseline for automatic captioning.
- Ămim
- â 0,00030Â US$/ekz
- Hyrje â Dalje
- Tekst + Imazh â Tekst
- Zhvillues
- Salesforce
- Përditësuar
- 23 shtator 2026
Loja e lojërave
Provo BLIP
Hyrje & rezultat
Ky ekzekutim
rreth 0,0003 US$ · 0,03 kredite
0,0009 US$ (0,09 kredite) rezervohen në fillim; koha aktuale e GPU-t faturohet.
I ri këtu?
10 kredite falas (0,10 US$) kur të regjistrohet me Google
I përdorshëm 24 orë pas regjistrimit, deri në 5 ekzekutime në ditë dhe më shumë se 2 kredite për ekzekutim. Metodat e tjera të hyrjes fillojnë pa kredite. Mjafton për 111 ekzekutime të këtij modeli.
Examples
InputPrompt
image_captioning
Output (JSON, shortened)
[ { "text": "Caption: a woman sitting on the beach with a dog" } ]
InputPrompt
what is in the sky?
Output (JSON, shortened)
[ { "text": "Answer: moon" } ]
InputPrompt
what is in the lake?
Output (JSON, shortened)
[ { "text": "Answer: swans" } ]
Rreth BLIP
BLIP Ă«shtĂ« njĂ« model i Salesforce nĂ« kategorinĂ« Multimodal. NĂ« Railwail, BLIP kushton â 0,00030 US$ pĂ«r ekzekutim.
Ămimet
| Ekzekutim tipik (â 1 s nĂ« T4) | 0,00030 US$ pĂ«r ekzekutim |
|---|---|
| Koha GPU (T4) | 0,00027 US$ për sekondë GPU |
- Faturohet sipas kohës GPU që ekzekutimi në të vërtetë merr. Kur ekzekutimi fillon, 3à çmimi tipik rezervohet nga bilanci yt dhe zgjidhet më pas.
- 1 kredi = 0,01Â US$
Kalkulator i kostos
Kalkulator çmimesh
Tipike sipas ofruesi: rreth 1 s
Gjithsej
0,03Â US$
3 kredite
Për ekzekutim
0,0003 US$ · 0,03 kredite
Faturohet koha aktuale e GPU; kjo është një vlerësim.
API
Nuk ka shembull API të verifikuar
API publike kalon një format hyrjeje të ndryshëm nga ai që ky model ka nevojë. Përdor lojërat më lart.
Specifikacione
- ID i modelit
blip-captioning- Zhvilluesi
- Salesforce
- Kategoria
- Multimodal
- Hyrja
- Tekst, Imazh
- Dalja
- Tekst
- Faturimi
- Sipas përdorimit (token ose kohë GPU)
- Katalogu i përditësuar
- 23 shtator 2026
Parametrat e hyrjes
Hyrjet dhe cilësimet nga skema e hyrjes së modelit. Shembulli në seksionin API tregon cilat prej tyre e pranon API-ja.
imagei detyrueshëmImage to caption or ask about
Lloji: TekstParazgjedhja: âVlerat e lejuara: âtaskLloji: ZgjedhjeParazgjedhja:image_captioningVlerat e lejuara: image_captioning ose visual_question_answeringquestionQuestion for visual question answering mode
Lloji: TekstParazgjedhja: âVlerat e lejuara: â
Etiketat
- replicate
- blip
- captioning
- vqa
- salesforce
- vision-understanding
- image
Pyetje të shpeshta
ĂfarĂ« Ă«shtĂ« BLIP?
BLIP është një model nga Salesforce në kategorinë Multimodal.
Sa kushton BLIP në Railwail?
NĂ« Railwail, BLIP kushton â 0,00030 US$ pĂ«r ekzekutim. TĂ« tarifohesh pĂ«r atĂ« qĂ« çdo kĂ«rkesĂ« nĂ« fakt pĂ«rdor. PĂ«rdorimi paguhet nga kredite tĂ« parapaguar; 1 kredit barazon 0,01 US$.
Cilat cilësime mbështet BLIP?
Sipas skemës së hyrjes, BLIP njeh këta parametra: image, task (image_captioning ose visual_question_answering) dhe question.
Sa i shpejtë është BLIP?
Nuk ka ende mjaft ekzekutime të matura të BLIP në Railwail për të deklaruar një kohë ekzekutimi. Varet nga hyrja, cilësimet dhe ngarkesa në ofruesin e shërbimit.
A është BLIP më i mirë se CLIP Interrogator?
Varet nga detyra. BLIP (Salesforce) dhe CLIP Interrogator (Community) janë të dy modele në kategorinë Multimodal. Faqja e krahasimit tregon çmimet dhe specifikacimet e tyre krah për krah.
Krahaso BLIP dhe CLIP InterrogatorA mund të përpunojë BLIP imazhe?
Po. BLIP pranon imazhe si hyrje përveç tekstit.
Modele të krahasueshme
Të gjitha në këtë kategori- CLIP InterrogatorCommunity
pharmapsychotic's CLIP Interrogator. Takes an image and produces a Stable-Diffusion-style text prompt by combining BLIP captioning with CLIP to rank likely subjects, artists, mediums and styles. Commonly used to reverse-engineer a prompt from an existing picture.
- Depth Anything v2Community
Monocular depth-estimation model trained on 595k labeled and 62M unlabeled images. Strong zero-shot generalization in indoor and outdoor scenes.
Meta Segment Anything 2. Promptable segmentation across images and video with temporal memory. Zero-shot, point/box/mask prompts, fast on a single H100.
Të gjitha modelet përmes një API
Një çelës API për çdo model në Railwail. Përdorimi ngarkohet nga kreditet e parapaguar, 1 kredit = 0,01 US$.