Railwail
Најави се

BLIP

МултимодаленДостапно
од SalesforceID на модел: 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.

ПробајЗеми API клучСпореди
Цена
≈ 0,00030 US$/извршување
Влез → излез
Текст + Слика → Текст
Развивач
Salesforce
Ажурирано
23 септември 2026 г.
01

Playground

Пробајте BLIP

Влез и резултат

≈ 0,00030 US$/извршување
Пробајте BLIP

Question for visual question answering mode

Резултат
Одговорот се појавува овде.

Овој тек

приблизно 0,0003 US$ · 0,03 кредити

0,0009 US$ (0,09 кредити) се резервирани на почетокот; вистинското GPU време се наплачува.

Нов си овде?

10 бесплатни кредити (0,10 US$) кога ќе се регистрираш со Google

Употребливо 24 часа по регистрација, до 5 текови по ден и максимално 2 кредити по тек. Други методи на пријава почнуваат без кредити. Доволно за 111 извршувања на овој модел.

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

За BLIP

НакраткоОд 23 септември 2026 г.

BLIP е модел од Salesforce во категоријата Мултимодален. На Railwail, BLIP чини ≈ 0,00030 US$ по извршување.

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

Цени

Цени во американски долари. Употребата се наплаќува од подготвени кредити.
Типично извршување (≈ 1 s на T4)0,00030 US$ по извршување
GPU време (T4)0,00027 US$ по GPU секунда
  • Се наплаќува според GPU времето што извршувањето всушност го потребува. Кога извршувањето почнува, 3× типичната цена се резервира од вашиот салдо и се пресметува потоа.
  • 1 кредит = 0,01 US$

Калкулатор за трошоци

Калкулатор за цена

s

Типично според добавувачот: околу 1 s

Вкупно

0,03 US$

3 кредити

По извршување

0,0003 US$ · 0,03 кредити

Наплачено е вистинското GPU време; ова е проценка.

05

API

Повикајте го BLIP со вашиот Railwail API клуч. Користете го овој ID на моделот во барањето:
blip-captioningПогледни API документацијаДобијте API клуч

Нема потврден API пример

Јавниот API пренесува различен формат на влез отколку што овој модел има потреба. Користете го игралиштето погоре.

06

Спецификации

ID на моделот
blip-captioning
Развивач
Salesforce
Категорија
Мултимодален
Влез
Текст, Слика
Излез
Текст
Наплата
По употреба (токени или GPU време)
Каталошка ставка ажурирана
23 септември 2026 г.

Параметри на влез

Влезови и поставки од шемата на влез на моделот. Примерот во делот API покажува кои од нив ги прифаќа API.

  • imageзадолжително

    Image to caption or ask about

    Тип: Текст
    Стандардно: –
    Дозволени вредности: –
  • task
    Тип: Избор
    Стандардно: image_captioning
    Дозволени вредности: image_captioning или visual_question_answering
  • question

    Question for visual question answering mode

    Тип: Текст
    Стандардно: –
    Дозволени вредности: –

Ознаки

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

Често поставувани прашања

Што е BLIP?

BLIP е модел од Salesforce во категоријата Мултимодален.

Колку чини BLIP на Railwail?

На Railwail, BLIP чини ≈ 0,00030 US$ по извршување. Се наплаќува за она што секој барање всушност користи. Употребата се плаќа од подготвени кредити; 1 кредит е еднаков на 0,01 US$.

Кои поставки поддржува BLIP?

Според неговата шема за влез, BLIP ги познава овие параметри: image, task (image_captioning или visual_question_answering) и question.

Колку брз е BLIP?

Нема доволно измерени извршувања на BLIP на Railwail за да се наведе време на извршување. Зависи од влезот, поставките и оптеретувањето кај добавувачот.

Дали BLIP е подобар од CLIP Interrogator?

Зависи од задачата. BLIP (Salesforce) и CLIP Interrogator (Community) се обата модели во категоријата Мултимодален. Страницата за споредба ги покажува нивните цени и спецификации една до друга.

Спореди BLIP и CLIP Interrogator

Може ли BLIP да обработува слики?

Да. BLIP прифаќа слики како влез покрај текстот.

08

Слични модели

Сите во оваа категорија
  • 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$/извршување

    15.133 % поскапо по единица

    Споредете BLIP и 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$/извршување

    1.567 % поскапо по единица

    Споредете BLIP и 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$/извршување

    5.900 % поскапо по единица

    Споредете BLIP и SAM 2 (Segment Anything 2)

Сите модели преку една API

Еден API клуч за секој модел на Railwail. Употребата се наплаќува од подготвени кредити, 1 кредит = 0,01 US$.

Добијте API клучПогледни ги сите модели