Railwail
Prijava

BLIP

MultimodalniDostupno
od SalesforceID modela: 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.

IsprobajPreuzmi API ključUsporedi
Cijena
≈ 0,00030 US$/pokretanje
Ulaz → izlaz
Tekst + Slika → Tekst
Razvojni inženjer
Salesforce
Ažurirano
23. septembar 2026.
01

Playground

Isprobaj BLIP

Unos i rezultat

≈ 0,00030 US$/pokretanje
Isprobaj BLIP

Question for visual question answering mode

Rezultat
Odgovor se pojavljuje ovdje.

Ovaj pokus

oko 0,0003 US$ · 0,03 kredita

Na početku se rezervira 0,0009 US$ (0,09 kredita); naplata se vrši prema stvarnom GPU vremenu.

Novi si ovdje?

10 besplatnih kredita (0,10 US$) kada se registriraš s Googlom

Dostupno 24 sati nakon registracije, do 5 pokusa dnevno i najviše 2 kredita po pokusu. Ostale metode prijave počinju bez kredita. Dovoljno za 111 pokretanja ovog modela.

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

O BLIP

UkratkoStanje: 23. septembar 2026.

BLIP je model od Salesforce iz kategorije Multimodalni. Na Railwailu, BLIP košta ≈ 0,00030 US$ po pokretanju.

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

Cijene

Cijene u USD-u. Korištenje se naplaćuje iz unaprijed plaćenih kredita.
Tipično pokretanje (≈ 1 s na T4)0,00030 US$ po pokretanju
GPU vrijeme (T4)0,00027 US$ po GPU sekundi
  • Naplaćuje se prema GPU vremenu koje pokretanje zapravo traje. Kada se pokretanje počne, 3× tipična cijena se rezervira iz vašeg stanja i naknadno se namiruje.
  • 1 kredit = 0,01 US$

Kalkulator troškova

Kalkulator cijena

s

Tipično prema pružatelju: oko 1 s

Ukupno

0,03 US$

3 kredita

Po pokretanju

0,0003 US$ · 0,03 kredita

Naplaćuje se stvarno GPU vrijeme; ovo je procjena.

05

API

Pozovi BLIP sa svojim Railwail API ključem. Koristi ovaj ID modela u zahtjevu:
blip-captioningPogledaj API dokumentacijuDobij API ključ

Nema provjeren primjer API-ja

Javni API prosleđuje drugačiji format unosa nego što ovaj model trebuje. Koristite playground gore.

06

Specifikacije

ID modela
blip-captioning
Razvojni inženjer
Salesforce
Kategorija
Multimodalni
Ulaz
Tekst, Slika
Izlaz
Tekst
Naplata
Po potrošnji (tokeni ili GPU vrijeme)
Katalog ažuriran
23. septembar 2026.

Parametri ulaza

Ulazi i postavke iz sheme ulaza modela. Primjer u odjeljku API pokazuje koje od njih API prihvaća.

  • imageobavezno

    Image to caption or ask about

    Tip: Tekst
    Zadano: –
    Dozvoljene vrijednosti: –
  • task
    Tip: Izbor
    Zadano: image_captioning
    Dozvoljene vrijednosti: image_captioning ili visual_question_answering
  • question

    Question for visual question answering mode

    Tip: Tekst
    Zadano: –
    Dozvoljene vrijednosti: –

Oznake

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

Često postavljana pitanja

Što je BLIP?

BLIP je model od Salesforce iz kategorije Multimodalni.

Koliko stoji BLIP na Railwailu?

Na Railwailu, BLIP košta ≈ 0,00030 US$ po pokretanju. Naplaćuje se ono što svaki zahtjev zapravo koristi. Korištenje se plaća iz unaprijed kupljenih kredita; 1 kredit jednaka je 0,01 US$.

Koje postavke podržava BLIP?

Prema svojoj shemi unosa, BLIP poznaje ove parametre: image, task (image_captioning ili visual_question_answering) i question.

Koliko je brz BLIP?

Za BLIP na Railwailu još nema dovoljno izmjerenih pokretanja da bi se navedlo vrijeme izvršavanja. Ovisi o unošenju, postavkama i opterećenju kod pružatelja.

Je li BLIP bolji od CLIP Interrogator?

To ovisi o zadatku. BLIP (Salesforce) i CLIP Interrogator (Community) su oba modela iz kategorije Multimodalni. Stranica za usporedbu prikazuje njihove cijene i specifikacije usporedno.

Usporedi BLIP i CLIP Interrogator

Može li BLIP obraditi slike?

Da. BLIP prihvaća slike kao unos osim teksta.

08

Usporedivi modeli

Svi u ovoj kategoriji
  • 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 US$/pokretanje

    15.133 % skupnije po jedinici

    Usporedi BLIP i 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 US$/pokretanje

    1.567 % skupnije po jedinici

    Usporedi BLIP i 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 US$/pokretanje

    5.900 % skupnije po jedinici

    Usporedi BLIP i SAM 2 (Segment Anything 2)

Svi modeli preko jednog API-ja

Jedan API ključ za sve modele na Railwailu. Korištenje se naplaćuje iz unaprijed plaćenih kredita, 1 kredit = 0,01 US$.

Dobij API ključPogledaj sve modele