BLIP

Name: BLIP
Brand: Salesforce
SKU: blip-captioning
Price: 0.0003 USD
Availability: InStock

MultimodālsPieejams

no Salesforceblip-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.

Izmēģināt Iegūt API atslēgu Salīdzināt

Cena: ≈ 0,00030 $/palaidi
Ievade → Izvade: Teksts + Attēls → Teksts
Izstrādātājs: Salesforce
Atjaunināts: 2026. gada 23. septembris

Spēļu laukums

Izmēģiniet BLIP

Ievade un rezultāts

≈ 0,00030 $/palaidi

Question(neobligāti)

Question for visual question answering mode

Attēls

Uzdevums(neobligāti)

⌘/Ctrl + Enter

Rezultāts

Atbilde parādīsies šeit.

Šis palaišanas gadījums

apmēram 0,0003 $ · 0,03 kredīti

Sākumā tiek rezervēti 0,0009 $ (0,09 kredīti); tiek norēķināts faktiskais GPU laiks.

Jauns šeit?

10 bezmaksas kredīti (0,10 $), reģistrējies ar Google

Pieejams 24 stundas pēc reģistrācijas, līdz 5 palaišanas gadījumi dienā un maksimāli 2 kredīti uz palaišanas gadījumu. Citas pierakstīšanās metodes sākas bez kredītiem. Pietiek 111 šī modeļa palaišanām.

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.

Input

Prompt

image_captioning

Output (JSON, shortened)

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

Input
Prompt
what is in the sky?
Output (JSON, shortened)
```
[
  {
    "text": "Answer: moon"
  }
]
```
Input
Prompt
what is in the lake?
Output (JSON, shortened)
```
[
  {
    "text": "Answer: swans"
  }
]
```

Par BLIP

ĪsumāUz 2026. gada 23. septembris

BLIP ir Salesforce modelis kategorijā Multimodāls. Railwail platformā BLIP maksā ≈ 0,00030 $ par palaidi.

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.

Cenas

Cenas ASV dolāros. Izmantošana tiek aprēķināta no iepriekš apmaksātiem kredītiem.

Tipisks palaidi (≈ 1 s uz T4)	0,00030 $ par palaidi
GPU laiks (T4)	0,00027 $ par GPU sekundi

Norēķināšana notiek par GPU laiku, ko palaidi faktiskā aizņem. Palaides sākumā no jūsu atlikuma tiek rezervēts 3× tipiskā cena un vēlāk nosegts.
1 kredīts = 0,01 $

Izmaksu kalkulators

Cenu kalkulators

GPU sekundes uz vienu palaišanu

Tipiski pēc sniedzēja: aptuveni 1 s

Palaišanas

Kopā

0,03 $

3 kredīti

Uz palaišanu

0,0003 $ · 0,03 kredīti

Norēķins pēc faktiskā GPU laika; šī ir aprēķins.

API

Izsauciet BLIP ar savu Railwail API atslēgu. Izmantojiet šo modeļa ID pieprasījumā:

blip-captioningAPI dokumentācija Iegūt API atslēgu

Nav pārbaudīta API piemēra

Publiskā API nodod citu ievades formātu, nekā nepieciešams šim modelim. Izmantojiet smilšu kasti iepriekš.

Specifikācijas

Modeļa ID: blip-captioning
Izstrādātājs: Salesforce
Kategorija: Multimodāls
Ievade: Teksts, Attēls
Izvade: Teksts
Norēķini: Pēc lietojuma (tokeni vai GPU laiks)
Kataloga ieraksts atjaunināts: 2026. gada 23. septembris

Ievades parametri

Ievades un iestatījumi no modeļa ievades shēmas. Piemērs API sadaļā parāda, kurus no tiem API pieņem.

ParametrsTipsNoklusējumsAtļautās vērtības

imageobligāts
Image to caption or ask about
Tips: Teksts
Noklusējums: –
Atļautās vērtības: –
task
Tips: Izvēle
Noklusējums: image_captioning
Atļautās vērtības: image_captioning vai visual_question_answering
question
Question for visual question answering mode
Tips: Teksts
Noklusējums: –
Atļautās vērtības: –

Tagi

replicate
blip
captioning
vqa
salesforce
vision-understanding
image

Bieži uzdotie jautājumi

Kas ir BLIP?

BLIP ir Salesforce izstrādāts modelis Multimodāls kategorijā.

Cik maksā BLIP Railwail?

Railwail platformā BLIP maksā ≈ 0,00030 $ par palaidi. Jums tiek ņemta maksa par to, ko katra pieprasījuma izpilde faktiski izmanto. Izmantošana tiek apmaksāta no iepriekš nopirkto kredītu; 1 kredīts = 0,01 $.

Kādus iestatījumus atbalsta BLIP?

Saskaņā ar tā ievades shēmu, BLIP pazīst šos parametrus: image, task (image_captioning vai visual_question_answering) un question.

Cik ātrs ir BLIP?

Railwail platformā BLIP vēl nav pietiekami daudz izmērītu izpilžu, lai norādītu izpildes laiku. Tas ir atkarīgs no ievades, iestatījumiem un sniedzēja slodzes.

Vai BLIP ir labāks par CLIP Interrogator?

Tas ir atkarīgs no uzdevuma. BLIP (Salesforce) un CLIP Interrogator (Community) ir abi modeļi Multimodāls kategorijā. Salīdzināšanas lapā to cenas un specifikācijas ir parādītas blakus.

Salīdzināt BLIP un CLIP Interrogator

Vai BLIP var apstrādāt attēlus?

Jā. BLIP pieņem attēlus kā ievadi papildus tekstam.

Salīdzināmi modeļi

Visi šajā kategorijā

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 $/palaidi
15 133 % dārgāk uz vienību
Salīdzināt BLIP un CLIP Interrogator
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 $/palaidi
1567 % dārgāk uz vienību
Salīdzināt BLIP un Depth Anything v2
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 $/palaidi
5900 % dārgāk uz vienību
Salīdzināt BLIP un SAM 2 (Segment Anything 2)

Visi modeļi caur vienu API

Viena API atslēga visiem Railwail modeļiem. Izmantošana tiek aprēķināta no iepriekš apmaksātiem kredītiem, 1 kredīts = 0,01 $.

Iegūt API atslēgu Skatīt visus modeļus