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.
- Kaina
- ≈ 0,00030 USD/paleidimas
- Įvestis → išvestis
- Tekstas + Vaizdas → Tekstas
- Kūrėjas
- Salesforce
- Atnaujinta
- 2026 m. rugsėjo 23 d.
Žaidimų aikštelė
Išbandyti BLIP
Įvestis ir rezultatas
Šis paleidimas
apie 0,0003 USD · 0,03 kreditai
Pradžioje rezervuojama 0,0009 USD (0,09 kreditai); sąskaita sudaroma pagal faktinį GPU laiką.
Naujas čia?
10 nemokami kreditai (0,10 USD), kai užsiregistruojate naudodami Google
Galima naudoti 24 valandų po registracijos, iki 5 paleidimų per dieną ir daugiausia 2 kreditų per paleidimą. Kiti prisijungimo būdai pradedami be kreditų. Pakanka 111 šio modelio paleidimų.
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" } ]
Apie BLIP
BLIP yra Salesforce modelis iš Multimodalus kategorijos. Per Railwail BLIP kainuoja ≈ 0,00030 USD už vieną paleidimą.
Kainos
| Tipinis paleidimas (≈ 1 s su T4) | 0,00030 USD už vieną paleidimą |
|---|---|
| GPU laikas (T4) | 0,00027 USD už GPU sekundę |
- Apmokestinama pagal GPU laiką, kurio iš tikrųjų reikia paleidimui. Paleidimui pradėjus, iš jūsų balanso rezervuojamas 3× tipinis kaina ir vėliau sudengiama.
- 1 kreditas = 0,01 USD
Kainos skaičiuoklė
Kainos skaičiuoklė
Tipiškai pagal teikėją: apie 1 s
Iš viso
0,03 USD
3 kreditai
Per paleidimą
0,0003 USD · 0,03 kreditai
Sąskaitoje faktinis GPU laikas; tai yra sąmata.
API
Nėra patikrinto API pavyzdžio
Viešoji API perduoda kitą įvesties formatą nei šis modelis reikalingas. Naudokite aukščiau esančią žaidimų aikštelę.
Specifikacijos
- Modelio ID
blip-captioning- Kūrėjas
- Salesforce
- Kategorija
- Multimodalus
- Įvestis
- Tekstas, Vaizdas
- Išvestis
- Tekstas
- Sąskaita
- Pagal naudojimą (žetonai arba GPU laikas)
- Katalogo įrašas atnaujintas
- 2026 m. rugsėjo 23 d.
Įvesties parametrai
Įvestys ir nustatymai iš modelio įvesties schemos. API sekcijoje pateiktas pavyzdys rodo, kuriuos iš jų priima API.
imageprivalomasImage to caption or ask about
Tipas: TekstasNumatytasis: –Leidžiamos reikšmės: –taskTipas: PasirinkimasNumatytasis:image_captioningLeidžiamos reikšmės: image_captioning ar visual_question_answeringquestionQuestion for visual question answering mode
Tipas: TekstasNumatytasis: –Leidžiamos reikšmės: –
Žymos
- replicate
- blip
- captioning
- vqa
- salesforce
- vision-understanding
- image
Dažnai užduodami klausimai
Kas yra BLIP?
BLIP yra Salesforce modelis iš Multimodalus kategorijos.
Kiek kainuoja BLIP Railwail?
Per Railwail BLIP kainuoja ≈ 0,00030 USD už vieną paleidimą. Jums sąskaitoje pateikiama suma, kurią iš tikrųjų sunaudoja kiekvienas užklausa. Naudojimas apmokamas iš išanksto nupirktų kreditų; 1 kreditas = 0,01 USD.
Kokius nustatymus palaiko BLIP?
Pagal jos įvesties schemą, BLIP žino šiuos parametrus: image, task (image_captioning ar visual_question_answering) ir question.
Koks yra BLIP greitis?
BLIP Railwail platformoje dar nėra pakankamai išmatuotų vykdymų, kad būtų galima nurodyti vykdymo laiką. Jis priklauso nuo įvesties, nustatymų ir teikėjo apkrovos.
Ar BLIP geriau nei CLIP Interrogator?
Tai priklauso nuo užduoties. BLIP (Salesforce) ir CLIP Interrogator (Community) yra abu modeliai iš Multimodalus kategorijos. Palyginimo puslapyje jų kainos ir specifikacijos rodomos viena šalia kitos.
Palyginti BLIP ir CLIP InterrogatorAr BLIP gali apdoroti vaizdus?
Taip. BLIP priima vaizdus kaip įvestį, be teksto.
Panašūs modeliai
Visi šioje kategorijoje- 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.
Visi modeliai per vieną API
Vienas API raktas visiems Railwail modeliams. Naudojimas apmokestinamas iš iš anksto nupirktų kreditų, 1 kreditas = 0,01 USD.