Railwail
Skrá inn

BLIP

FjölbreytilegtTiltækt
eftir SalesforceAuðkenni módels: 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.

Prófaðu þaðFáðu API-lykilBera saman
Verð
≈ 0,00030 USD/keyrsla
Inntak → úttak
Texti + Mynd → Texti
Þróunaraðili
Salesforce
Uppfært
23. september 2026
01

Leiksvæði

Prófaðu BLIP

Inntak og úttak

≈ 0,00030 USD/keyrsla
Prófaðu BLIP

Question for visual question answering mode

Niðurstaða
Svarið birtist hér.

Þessi keyrsla

um 0,0003 USD · 0,03 inneign

0,0009 USD (0,09 inneign) eru fráteknar við upphaf; raunverulegur GPU-tími er innheimtaður.

Nýr hér?

10 ókeypis inneign (0,10 USD) þegar þú skráir þig með Google

Hægt að nota 24 klst. eftir skráningu, allt að 5 keyrslur á dag og að hámarki 2 inneign á keyrslu. Aðrar innskráningaraðferðir byrja án inneignar. Nægir fyrir 111 keyrslur þessa módels.

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

Um BLIP

StuttlegaFrá og með 23. september 2026

BLIP er módel frá Salesforce í flokknum Fjölbreytilegt. Á Railwail kostar BLIP ≈ 0,00030 USD fyrir hverja keyrslu.

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

Verðlagning

Verð í Bandaríkjadölum. Notkun er rukkuð frá fyrirframgreiddum inneign.
Dæmigerð keyrsla (≈ 1 s á T4)0,00030 USD fyrir hverja keyrslu
GPU-tími (T4)0,00027 USD fyrir hverja GPU-sekúndu
  • Reikningsfærðir eru GPU-tíminn sem keyrslan tekur í raun. Þegar keyrslan hefst er 3× dæmigerðu verðinu frátekin frá inneign þinni og jöfnuð síðar.
  • 1 inneign = 0,01 USD

Kostnaðarreiknir

Verðreiknir

s

Dæmigert samkvæmt veitanda: um 1 s

Samtals

0,03 USD

3 inneign

Fyrir hverja keyrslu

0,0003 USD · 0,03 inneign

Innheimt er fyrir raunverulegan GPU-tíma; þetta er mat.

05

API

Kallaðu BLIP með Railwail API-lyklinum þínum. Notaðu þessa módel-auðkenningu í beiðninni:
blip-captioningAPI-skjölFáðu API-lykil

Engin staðfest API-dæmi

Opinbera API sendir annað inntakssnið en þetta módel þarf. Notaðu leiksvæðið hér að ofan.

06

Forskriftir

Módel-auðkenni
blip-captioning
Þróunaraðili
Salesforce
Flokkur
Fjölbreytilegt
Inntak
Texti, Mynd
Úttak
Texti
Reikningur
Eftir notkun (tókar eða GPU-tími)
Vörulistafærsla uppfærð
23. september 2026

Inntaksbreytur

Inntak og stillingar úr inntakskerfi módelsins. Dæmið í API-hlutanum sýnir hverjar þeirra API samþykkir.

  • imagenauðsynlegt

    Image to caption or ask about

    Tegund: Texti
    Sjálfgefið: –
    Leyfðir gildir: –
  • task
    Tegund: Val
    Sjálfgefið: image_captioning
    Leyfðir gildir: image_captioning eða visual_question_answering
  • question

    Question for visual question answering mode

    Tegund: Texti
    Sjálfgefið: –
    Leyfðir gildir: –

Merki

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

Algengar spurningar

Hvað er BLIP?

BLIP er módel frá Salesforce í flokknum Fjölbreytilegt.

Hvað kostar BLIP á Railwail?

Á Railwail kostar BLIP ≈ 0,00030 USD fyrir hverja keyrslu. Þér er rukkað fyrir það sem hver beiðni notar í raun. Notkun er greidd úr fyrirframgreiddum inneign; 1 inneign jafngildir 0,01 USD.

Hvaða stillingar styður BLIP?

Samkvæmt inntaksskema sínu þekkir BLIP þessa færibreytu: image, task (image_captioning eða visual_question_answering) og question.

Hversu hratt er BLIP?

Það eru ekki nóg mældar keyrslur af BLIP á Railwail ennþá til að tilgreina keyrslutíma. Það fer eftir inntakinu, stillingum og álagi hjá veitandanum.

Er BLIP betra en CLIP Interrogator?

Það fer eftir verkefninu. BLIP (Salesforce) og CLIP Interrogator (Community) eru bæði módel í flokknum Fjölbreytilegt. Samanburðarsíðan sýnir verð og forskriftir þeirra hlið við hlið.

Bera saman BLIP og CLIP Interrogator

Getur BLIP unnið úr myndum?

Já. BLIP tekur myndir sem inntok auk texta.

08

Sambærileg módel

Öll í þessum flokki
  • 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.

    ≈ 0,0457 USD/keyrsla

    15.133 % dýrara á einingu

    Bera BLIP og CLIP Interrogator saman
  • Depth Anything v2Community

    Monocular depth-estimation model trained on 595k labeled and 62M unlabeled images. Strong zero-shot generalization in indoor and outdoor scenes.

    ≈ 0,0050 USD/keyrsla

    1.567 % dýrara á einingu

    Bera BLIP og Depth Anything v2 saman
  • SAM 2 (Segment Anything 2)Meta

    Meta Segment Anything 2. Promptable segmentation across images and video with temporal memory. Zero-shot, point/box/mask prompts, fast on a single H100.

    ≈ 0,018 USD/keyrsla

    5.900 % dýrara á einingu

    Bera BLIP og SAM 2 (Segment Anything 2) saman

Öll módel í gegnum eina API

Einn API-lykil fyrir öll módel á Railwail. Notkun er rukkuð frá fyrirframgreiddum inneign, 1 inneign = 0,01 USD.

Fáðu API-lykilSkoðaðu öll módel