Railwail
Logga in

BLIP

MultimodalTillgänglig
av SalesforceModell-ID: 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.

ProvaHämta API-nyckelJämför
Pris
≈ 0,00030 US$/körning
Inmatning → utmatning
Text + Bild → Text
Utvecklare
Salesforce
Uppdaterad
23 september 2026
01

Playground

Prova BLIP

Inmatning & resultat

≈ 0,00030 US$/körning
Prova BLIP

Question for visual question answering mode

Resultat
Svaret visas här.

Denna körning

ca. 0,0003 US$ · 0,03 credits

0,0009 US$ (0,09 credits) reserveras vid start; den faktiska GPU-tiden faktureras.

Ny här?

10 gratis credits (0,10 US$) när du registrerar dig med Google

Användbar 24 timmar efter registrering, upp till 5 körningar per dag och högst 2 credits per körning. Andra inloggningsmetoder startar utan credits. Räcker för 111 körningar av denna modell.

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

Om BLIP

Kort sagtFrån och med 23 september 2026

BLIP är en modell av Salesforce i kategorin Multimodal. På Railwail kostar BLIP ≈ 0,00030 US$ per körning.

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

Priser

Priser i US-dollar. Användningen debiteras från förbetald kredit.
Typisk körning (≈ 1 s på T4)0,00030 US$ per körning
GPU-tid (T4)0,00027 US$ per GPU-sekund
  • Faktureras enligt den GPU-tid som körningen faktiskt tar. När körningen startar reserveras 3× det typiska priset från ditt saldo och regleras efteråt.
  • 1 kredit = 0,01 US$

Kostnadsräknare

Prisräknare

s

Typisk enligt leverantören: ca 1 s

Totalt

0,03 US$

3 krediter

Per körning

0,0003 US$ · 0,03 krediter

Faktureras enligt faktisk GPU-tid; detta är en uppskattning.

05

API

Anropa BLIP med din Railwail API-nyckel. Använd detta modell-ID i begäran:
blip-captioningAPI-dokumentationHämta API-nyckel

Inget verifierat API-exempel

Det offentliga API:et skickar ett annat inmatningsformat än vad denna modell behöver. Använd lekplatsen ovan.

06

Specifikationer

Modell-ID
blip-captioning
Utvecklare
Salesforce
Kategori
Multimodal
Inmatning
Text, Bild
Utmatning
Text
Fakturering
Efter användning (tokens eller GPU-tid)
Kataloginlägg uppdaterat
23 september 2026

Indataparametrar

Inmatningar och inställningar från modellens indataschema. Exemplet i API-avsnittet visar vilka som API:et accepterar.

  • imageobligatorisk

    Image to caption or ask about

    Typ: Text
    Standard: –
    Tillåtna värden: –
  • task
    Typ: Val
    Standard: image_captioning
    Tillåtna värden: image_captioning eller visual_question_answering
  • question

    Question for visual question answering mode

    Typ: Text
    Standard: –
    Tillåtna värden: –

Taggar

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

Vanliga frågor

Vad är BLIP?

BLIP är en modell av Salesforce i kategorin Multimodal.

Vad kostar BLIP på Railwail?

På Railwail kostar BLIP ≈ 0,00030 US$ per körning. Du debiteras för det som varje begäran faktiskt använder. Användningen betalas från förbetald kredit; 1 kredit motsvarar 0,01 US$.

Vilka inställningar stöder BLIP?

Enligt sitt inmatningsschema känner BLIP till dessa parametrar: image, task (image_captioning eller visual_question_answering) och question.

Hur snabb är BLIP?

Det finns ännu inte tillräckligt många uppmätta körningar av BLIP på Railwail för att ange en körningstid. Det beror på inmatningen, inställningarna och belastningen hos leverantören.

Är BLIP bättre än CLIP Interrogator?

Det beror på uppgiften. BLIP (Salesforce) och CLIP Interrogator (Community) är båda modeller i kategorin Multimodal. Jämförelsesidan visar deras priser och specifikationer sida vid sida.

Jämför BLIP och CLIP Interrogator

Kan BLIP bearbeta bilder?

Ja. BLIP accepterar bilder som inmatning utöver text.

08

Jämförbara modeller

Alla i denna kategori
  • 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$/körning

    15 133 % dyrare per enhet

    Jämför BLIP och 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$/körning

    1 567 % dyrare per enhet

    Jämför BLIP och 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$/körning

    5 900 % dyrare per enhet

    Jämför BLIP och SAM 2 (Segment Anything 2)

Alla modeller via ett API

En API-nyckel för alla modeller på Railwail. Användningen debiteras från förbetald kredit, 1 kredit = 0,01 US$.

Hämta API-nyckelBläddra bland alla modeller