Railwail
Σύνδεση

BLIP

MultimodalΔιαθέσιμο
από SalesforceΑναγνωριστικό μοντέλου: blip-captioning

Salesforce 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.

Δοκιμάστε τοΛήψη API κλειδιούΣύγκριση
Τιμή
≈ 0,00030 $/εκτέλεση
Είσοδος → Έξοδος
Κείμενο + Εικόνα → Κείμενο
Προγραμματιστής
Salesforce
Ενημερώθηκε
23 Σεπτεμβρίου 2026
01

Playground

Δοκιμάστε BLIP

Είσοδος & Έξοδος

≈ 0,00030 $/εκτέλεση
Δοκιμάστε BLIP

Question for visual question answering mode

Αποτέλεσμα
Η απάντηση εμφανίζεται εδώ.

Αυτή η εκτέλεση

περίπου 0,0003 $ · 0,03 πιστωτικές μονάδες

0,0009 $ (0,09 πιστωτικές μονάδες) προεπιλέγονται κατά την έναρξη· ο πραγματικός χρόνος GPU χρεώνεται.

Νέος εδώ;

10 δωρεάν πιστωτικές μονάδες (0,10 $) όταν εγγραφείς με Google

Χρησιμοποιήσιμο 24 ώρες μετά την εγγραφή, έως 5 εκτελέσεις ανά ημέρα και το πολύ 2 πιστωτικές μονάδες ανά εκτέλεση. Άλλες μέθοδοι σύνδεσης ξεκινούν χωρίς πιστωτικές μονάδες. Αρκετό για 111 εκτελέσεις αυτού του μοντέλου.

02

Examples

Real outputs from the public examples of this model on Replicate, with the prompt and settings that produced them. They were not generated live on this page.
  • InputInput

    Prompt

    image_captioning

    Output (JSON, shortened)

    [
  {
    "text": "Caption: a woman sitting on the beach with a dog"
  }
]
  • InputInput

    Prompt

    what is in the sky?

    Output (JSON, shortened)

    [
  {
    "text": "Answer: moon"
  }
]
  • InputInput

    Prompt

    what is in the lake?

    Output (JSON, shortened)

    [
  {
    "text": "Answer: swans"
  }
]
03

Σχετικά με το BLIP

ΣύντομαΗμερομηνία: 23 Σεπτεμβρίου 2026

Το BLIP είναι ένα μοντέλο του Salesforce στην κατηγορία Multimodal. Στο Railwail, το BLIP κοστίζει ≈ 0,00030 $ ανά εκτέλεση.

BLIP (Bootstrapping Language-Image Pre-training) from Salesforce Research unifies captioning and VQA in one model. In caption mode it returns a concise description of the scene; in question-answering mode it answers a free-form question grounded in the image. It is one of the most-run captioning models on Replicate and a common building block for image search and accessibility alt-text.
04

Τιμολόγηση

Οι τιμές είναι σε δολάρια ΗΠΑ. Η χρήση χρεώνεται από προπληρωμένα πιστωτικά.
Συνήθης εκτέλεση (≈ 1 s σε T4)0,00030 $ ανά εκτέλεση
Χρόνος GPU (T4)0,00027 $ ανά δευτερόλεπτο GPU
  • Χρέωση με βάση τον χρόνο GPU που χρειάζεται πραγματικά η εκτέλεση. Κατά την έναρξη, το 3× της τυπικής τιμής δεσμεύεται από το υπόλοιπό σας και διακανονίζεται αργότερα.
  • 1 πιστωτική μονάδα = 0,01 $

Αριθμομηχανή κόστους

Αριθμομηχανή τιμών

s

Τυπικά σύμφωνα με τον πάροχο: περίπου 1 s

Σύνολο

0,03 $

3 πιστωτικές μονάδες

Ανά εκτέλεση

0,0003 $ · 0,03 πιστωτικές μονάδες

Χρέωση με βάση τον πραγματικό χρόνο GPU· αυτή είναι μια εκτίμηση.

05

API

Καλέστε το BLIP με το κλειδί Railwail API. Χρησιμοποιήστε αυτό το ID μοντέλου στο αίτημα:
blip-captioningΤεκμηρίωση APIΛήψη κλειδιού API

Κανένα επαληθευμένο παράδειγμα API

Το δημόσιο API περνά μια διαφορετική μορφή εισόδου από αυτή που χρειάζεται αυτό το μοντέλο. Χρησιμοποιήστε το playground παραπάνω.

06

Προδιαγραφές

ID μοντέλου
blip-captioning
Ανάπτυξη
Salesforce
Κατηγορία
Multimodal
Είσοδος
Κείμενο, Εικόνα
Έξοδος
Κείμενο
Χρέωση
Κατά χρήση (tokens ή χρόνος GPU)
Καταχώρηση καταλόγου ενημερώθηκε
23 Σεπτεμβρίου 2026

Παράμετροι εισόδου

Εισόδους και ρυθμίσεις από το σχήμα εισόδου του μοντέλου. Το παράδειγμα στην ενότητα API δείχνει ποιες από αυτές δέχεται το API.

  • imageΥποχρεωτικό

    Image to caption or ask about

    Τύπος: Κείμενο
    Προεπιλογή: –
    Επιτρεπόμενες τιμές: –
  • task
    Τύπος: Επιλογή
    Προεπιλογή: image_captioning
    Επιτρεπόμενες τιμές: image_captioning ή visual_question_answering
  • question

    Question for visual question answering mode

    Τύπος: Κείμενο
    Προεπιλογή: –
    Επιτρεπόμενες τιμές: –

Ετικέτες

  • replicate
  • blip
  • captioning
  • vqa
  • salesforce
  • vision-understanding
  • image
07

Συχνές ερωτήσεις

Τι είναι BLIP;

Το BLIP είναι ένα μοντέλο του Salesforce στην κατηγορία Multimodal.

Πόσο κοστίζει το BLIP στο Railwail;

Στο Railwail, το BLIP κοστίζει ≈ 0,00030 $ ανά εκτέλεση. Χρεώνεστε για αυτό που χρησιμοποιεί πραγματικά κάθε αίτημα. Η χρήση πληρώνεται από προπληρωμένες πιστωτικές μονάδες· 1 πιστωτική μονάδα ισούται με 0,01 $.

Ποιες ρυθμίσεις υποστηρίζει το BLIP;

Σύμφωνα με το σχήμα εισόδου του, το BLIP γνωρίζει αυτές τις παραμέτρους: image, task (image_captioning ή visual_question_answering) και question.

Πόσο γρήγορο είναι το BLIP;

Δεν υπάρχουν αρκετές μετρημένες εκτελέσεις του BLIP στο Railwail ακόμα για να δηλωθεί ένας χρόνος εκτέλεσης. Εξαρτάται από την είσοδο, τις ρυθμίσεις και το φορτίο στον πάροχο.

Είναι το BLIP καλύτερο από το CLIP Interrogator;

Αυτό εξαρτάται από την εργασία. Το BLIP (Salesforce) και το CLIP Interrogator (Community) είναι και τα δύο μοντέλα στην κατηγορία Multimodal. Η σελίδα σύγκρισης δείχνει τις τιμές και τις προδιαγραφές τους παράλληλα.

Σύγκριση BLIP και CLIP Interrogator

Μπορεί το BLIP να επεξεργαστεί εικόνες;

Ναι. Το BLIP δέχεται εικόνες ως είσοδο εκτός από κείμενο.

08

Συγκρίσιμα μοντέλα

Όλα σε αυτήν την κατηγορία

Όλα τα μοντέλα μέσω ενός API

Ένα κλειδί API για κάθε μοντέλο στο Railwail. Η χρήση χρεώνεται από προπληρωμένα πιστωτικά, 1 πιστωτικό = 0,01 $.

Λήψη κλειδιού APIΠεριήγηση σε όλα τα μοντέλα