BLIP

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

MultimodalTilgjengelig

av 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.

Prøv det Få API-nøkkel Sammenlign

Pris: ≈ 0,00030 USD/kjøring
Input → output: Tekst + Bilde → Tekst
Utvikler: Salesforce
Oppdatert: 23. september 2026

Playground

Prøv BLIP

Inndata og resultat

≈ 0,00030 USD/kjøring

Question(valgfritt)

Question for visual question answering mode

Bilde

Oppgave(valgfritt)

⌘/Ctrl + Enter

Resultat

Svaret vises her.

Denne kjøringen

ca. 0,0003 USD · 0,03 credits

0,0009 USD (0,09 credits) reserveres ved start; faktisk GPU-tid faktureres.

Ny her?

10 gratis credits (0,10 USD) når du registrerer deg med Google

Kan brukes 24 timer etter registrering, opptil 5 kjøringer per dag og maksimalt 2 credits per kjøring. Andre påloggingsmetoder starter uten credits. Nok for 111 kjøringer av denne modellen.

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"
  }
]
```

Om BLIP

Kort sagtPer 23. september 2026

BLIP er en modell fra Salesforce i kategorien Multimodal. På Railwail koster BLIP ≈ 0,00030 USD per kjøring.

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.

Priser

Priser i amerikanske dollar. Bruk belastes fra forhåndsbetalt kreditt.

Typisk kjøring (≈ 1 s på T4)	0,00030 USD per kjøring
GPU-tid (T4)	0,00027 USD per GPU-sekund

Faktureres etter GPU-tiden kjøringen faktisk tar. Når kjøringen starter, blir 3× den typiske prisen reservert fra saldoen din og gjort opp etterpå.
1 kreditt = 0,01 USD

Kostnadsberegner

Prisberegner

GPU-sekunder per kjøring

Typisk ifølge leverandøren: ca. 1 s

Kjøringer

Totalt

0,03 USD

3 credits

Per kjøring

0,0003 USD · 0,03 credits

Fakturert etter faktisk GPU-tid; dette er et estimat.

API

Ring BLIP med din Railwail API-nøkkel. Bruk denne modell-IDen i forespørselen:

blip-captioningAPI-dokumentasjon Få en API-nøkkel

Ingen verifisert API-eksempel

Det offentlige API-et sender et annet inngangsformat enn det denne modellen trenger. Bruk lekeplassen ovenfor.

Spesifikasjoner

Modell-ID: blip-captioning
Utvikler: Salesforce
Kategori: Multimodal
Inndata: Tekst, Bilde
Utdata: Tekst
Fakturering: Etter bruk (tokens eller GPU-tid)
Katalogoppføring oppdatert: 23. september 2026

Inndataparametere

Inndataer og innstillinger fra modellens inndataskjema. Eksemplet i API-delen viser hvilke av dem APIen godtar.

ParameterTypeStandardTillatte verdier

imageobligatorisk
Image to caption or ask about
Type: Tekst
Standard: –
Tillatte verdier: –
task
Type: Valg
Standard: image_captioning
Tillatte verdier: image_captioning eller visual_question_answering
question
Question for visual question answering mode
Type: Tekst
Standard: –
Tillatte verdier: –

Merkelapper

replicate
blip
captioning
vqa
salesforce
vision-understanding
image

Ofte stilte spørsmål

Hva er BLIP?

BLIP er en modell fra Salesforce i kategorien Multimodal.

Hvor mye koster BLIP på Railwail?

På Railwail koster BLIP ≈ 0,00030 USD per kjøring. Du betaler for det hver forespørsel faktisk bruker. Bruk betales fra forhåndskjøpte kreditter; 1 kreditt tilsvarer 0,01 USD.

Hvilke innstillinger støtter BLIP?

I henhold til inndataskjemaet kjenner BLIP disse parametrene: image, task (image_captioning eller visual_question_answering) og question.

Hvor rask er BLIP?

Det finnes ennå ikke nok målte kjøringer av BLIP på Railwail til å angi en kjøretid. Det avhenger av inndataene, innstillingene og belastningen hos leverandøren.

Er BLIP bedre enn CLIP Interrogator?

Det avhenger av oppgaven. BLIP (Salesforce) og CLIP Interrogator (Community) er begge modeller i kategorien Multimodal. Sammenligningssiden viser prisene og spesifikasjonene deres side ved side.

Sammenlign BLIP og CLIP Interrogator

Kan BLIP behandle bilder?

Ja. BLIP godtar bilder som inndata i tillegg til tekst.

Sammenlignbare modeller

Alle i denne kategorien

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/kjøring
15 133 % dyrere per enhet
Sammenlign BLIP og 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 USD/kjøring
1 567 % dyrere per enhet
Sammenlign BLIP og 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 USD/kjøring
5 900 % dyrere per enhet
Sammenlign BLIP og SAM 2 (Segment Anything 2)

Alle modeller gjennom én API

Én API-nøkkel for alle modeller på Railwail. Bruk belastes fra forhåndsbetalt kreditt, 1 kreditt = 0,01 USD.

Få API-nøkkel Se alle modeller