Mindket

BLIP

新上架第 1 版 · 更新于

概览

在 Gradio 页面里运行 Salesforce 的 BLIP 视觉与语言模型,仓库里有图像描述、检索和问答的训练脚本。适合处理图像和文字的研究者和开发者。

BLIP 是一款工具包,属于研究类,由 Mindket 上架。可免费获取。当前为第 1 版,最近更新于 。在本页下载,是一个装着它全部文件的 zip 压缩包。这些文件不会自己运行。

速览

你需要
  • 装有 pip 的 Python,系统可以是 Windows、macOS 或 Linux
  • 能从 Hugging Face 下载文件的网络连接
  • 足够的磁盘空间,因为应用列出三个模型,首次运行可能需要额外下载
用在
  • 网页浏览器:到 Hugging Face 上的这个 Space 就能试,不用安装
  • Windows、macOS 或 Linux:用 Python 运行一份副本
先运行
pip install -U huggingface_hub
hf download Salesforce/BLIP --repo-type space --local-dir BLIP
cd BLIP

平台

Windows操作系统
macOS操作系统
Linux操作系统

关于

它是什么

这是 Salesforce 做的一个 Gradio 应用,运行 BLIP,一个同时处理图片和文字的模型。仓库里有项目代码,脚本名称对应图像描述、视觉问答、检索和 NLVR,还有一张示例图片。它列出 Salesforce/BLIP 模型和两个 Google 的 BERT 模型。你可以在浏览器里使用,也可以在自己的电脑上运行一份副本。

适合谁

它适合处理图像和文字的研究者和开发者,也适合想看视觉与语言模型实际运行的学生。

行业谁在用怎么用例子
研究多模态研究者在自己的图片上试 BLIP打开这个 Space,用示例图片
教育机器学习的学生看视觉与语言模型能做什么对照 app.py 读 train_caption.py
软件Python 开发者研究 BLIP 代码和演示怎样配合下载这个 Space,打开 app.py

如果你需要轻量安装,可以跳过它,因为仓库有 39 个文件,模型可能需要很大的下载。

用在哪里

  • 网页浏览器:到 Hugging Face 上的这个 Space 就能试,不用安装
  • Windows、macOS 或 Linux:用 Python 运行一份副本
用途谁用得到什么
在图片上试 BLIP学生模型对所给图片的输出
用你的图片对比研究者快速看看它怎样处理不同的图片
读 BLIP 代码开发者多个任务的训练和评估脚本

如何设置

先准备好下面这些东西。

  • 装有 pip 的 Python,系统可以是 Windows、macOS 或 Linux
  • 能从 Hugging Face 下载文件的网络连接
  • 足够的磁盘空间,因为应用列出三个模型,首次运行可能需要额外下载
  1. 安装 Hugging Face hub 包。
  2. 把这个 Space 下载到本地文件夹。
  3. 进入这个文件夹。
  4. 安装 Gradio 3.0.17 和 requirements.txt 里列出的包。
  5. 启动应用。
pip install -U huggingface_hub
hf download Salesforce/BLIP --repo-type space --local-dir BLIP
cd BLIP
pip install gradio==3.0.17
pip install -r requirements.txt
python app.py

如何使用

在线使用时,用 Space 页面显示的 Gradio 界面。在自己的电脑上,则在项目文件夹里运行主文件,再在浏览器里打开它提供的页面。

python app.py

示例

你在项目文件夹里运行 python app.py,打开页面并给它仓库里的 starrynight.jpeg。页面会返回模型对这张图片的处理结果。

新手与专家

如果你是新手,先从在线版开始。到这个 Space 里,在安装任何东西之前先试一下示例图片。视觉与语言模型会读图片,并处理与它有关的文字。

如果你懂这个领域,要注意仓库里捆绑了预训练、图像描述、检索、视觉问答、NLVR 和 nocaps 评估的脚本。它固定使用较旧的 Gradio 3.0.17,所以全新的环境可能需要装这个确切版本。

  1. 打开 Space 或运行 app.py
  2. Gradio 页面加载
  3. 你给它一张图片
  4. BLIP 模型处理它
  5. 结果显示在页面上

注意事项

来源没有给出准确率数字,所以在依赖输出之前,请先用你自己的图片测试。

  • License: bsd-3-clause
  • Cost to run: 未列出,没有 API 密钥、账号或付费服务
  • Data it reaches: 你给它的图片、仓库里的文件和它所列的模型

README 和文件

README

BLIP

在 Gradio 页面里运行 Salesforce 的 BLIP 视觉与语言模型,仓库里有图像描述、检索和问答的训练脚本。适合处理图像和文字的研究者和开发者。

由 Salesforce 在 Hugging Face 上制作。这些说明是 Mindket 根据它的 Space 页面和 README 写的,应用自己的文件和许可证在 Hugging Face 上。

简介

它是什么:这是 Salesforce 做的一个 Gradio 应用,运行 BLIP,一个同时处理图片和文字的模型。仓库里有项目代码,脚本名称对应图像描述、视觉问答、检索和 NLVR,还有一张示例图片。它列出 Salesforce/BLIP 模型和两个 Google 的 BERT 模型。你可以在浏览器里使用,也可以在自己的电脑上运行一份副本。

适合谁:它适合处理图像和文字的研究者和开发者,也适合想看视觉与语言模型实际运行的学生。

行业 | 谁在用 | 怎么用 | 例子
研究 | 多模态研究者 | 在自己的图片上试 BLIP | 打开这个 Space,用示例图片
教育 | 机器学习的学生 | 看视觉与语言模型能做什么 | 对照 app.py 读 train_caption.py
软件 | Python 开发者 | 研究 BLIP 代码和演示怎样配合 | 下载这个 Space,打开 app.py

如果你需要轻量安装,可以跳过它,因为仓库有 39 个文件,模型可能需要很大的下载。

用在哪里:

  • 网页浏览器:到 Hugging Face 上的这个 Space 就能试,不用安装
  • Windows、macOS 或 Linux:用 Python 运行一份副本
用途 | 谁用 | 得到什么
在图片上试 BLIP | 学生 | 模型对所给图片的输出
用你的图片对比 | 研究者 | 快速看看它怎样处理不同的图片
读 BLIP 代码 | 开发者 | 多个任务的训练和评估脚本

如何设置:先准备好下面这些东西。

  • 装有 pip 的 Python,系统可以是 Windows、macOS 或 Linux
  • 能从 Hugging Face 下载文件的网络连接
  • 足够的磁盘空间,因为应用列出三个模型,首次运行可能需要额外下载
  1. 安装 Hugging Face hub 包。
  2. 把这个 Space 下载到本地文件夹。
  3. 进入这个文件夹。
  4. 安装 Gradio 3.0.17 和 requirements.txt 里列出的包。
  5. 启动应用。
pip install -U huggingface_hub
hf download Salesforce/BLIP --repo-type space --local-dir BLIP
cd BLIP
pip install gradio==3.0.17
pip install -r requirements.txt
python app.py

如何使用:在线使用时,用 Space 页面显示的 Gradio 界面。在自己的电脑上,则在项目文件夹里运行主文件,再在浏览器里打开它提供的页面。

python app.py

示例:你在项目文件夹里运行 python app.py,打开页面并给它仓库里的 starrynight.jpeg。页面会返回模型对这张图片的处理结果。

新手与专家:如果你是新手,先从在线版开始。到这个 Space 里,在安装任何东西之前先试一下示例图片。视觉与语言模型会读图片,并处理与它有关的文字。

如果你懂这个领域,要注意仓库里捆绑了预训练、图像描述、检索、视觉问答、NLVR 和 nocaps 评估的脚本。它固定使用较旧的 Gradio 3.0.17,所以全新的环境可能需要装这个确切版本。

打开 Space 或运行 app.py
Gradio 页面加载
你给它一张图片
BLIP 模型处理它
结果显示在页面上

注意事项:来源没有给出准确率数字,所以在依赖输出之前,请先用你自己的图片测试。

  • License: bsd-3-clause
  • Cost to run: 未列出,没有 API 密钥、账号或付费服务
  • Data it reaches: 你给它的图片、仓库里的文件和它所列的模型

Hugging Face 上的数据(2026年11月13日)

  • 点赞:431
  • 构建方式:gradio
  • 许可证:bsd-3-clause

链接

  • Space:https://huggingface.co/spaces/Salesforce/BLIP
  • 文件:https://huggingface.co/spaces/Salesforce/BLIP/tree/main

试用

在浏览器里打开这个 Space,或在它的页面上把它复制到你自己的 Hugging Face 账号。这个工具包里没有会自己运行的东西。

文件
README.md  4 KB

1 个文件,共 4 KB,以 zip 压缩包下载。

更新内容

  • 第 1 版 · 2026-11-13

同类产品对比

同一分类里与本产品共有标签最多的已上架 Hugging Face Space。

产品点赞构建方式许可证最近更新
BLIP 本页431gradiobsd-3-clause
Open VLM Leaderboard共有 gradio1,034gradioapache-2.0
Face Swap共有 gradio808gradiocc-by-nc-sa-4.0
TTS Spaces Arena共有 gradio493gradiozlib
Depth Anything 3共有 gradio490gradiocc-by-nc-4.0
VBench Leaderboard共有 gradio365gradiomit
数据为 Mindket 在 2026-11-12 至 2026-11-13 期间读取的数值。

评价

还没有评分

写评价

还没有评价。

大家怎么说

Hacker News、Bluesky、X、Reddit、Facebook 和 YouTube 上提到这个项目的帖子和评论,来自每周一次的搜索和 Trendshift。它们不是 Mindket 写的,也未经核实,点开即可在原帖处阅读。

johnvanommenDeepSeek Introduces Vision> Indeed, Gemini really is incredible at image analysis. Yesterday I pointed it at some sloppy handwritten notes and asked it to add up the numbers in the right column, and it did it no problem. I've also used it to find out what TV show or actor is on screen, and various other things. It's quite…Steven DunstonUncSaaS had a good week. Blip or market shift? Generally, HubSpot seemed more AI forward in its updates over the past few quarters, but the Salesforce partnership with Anthropic gives them some momentum, if the workflows are meaningfully improved.1 赞 · 1 条回复salamoAI Photo GeolocationNeat demo. It seems like there may be a few things happening in tandem. I uploaded a picture of a forest and it came back with visually similar images. So the first thing it might be doing is some kind of KNN, and if the pictures have location labels associated applying some sort of weighted…simonwMemoryCache: Augmenting local AI with browser data"While there are many OSS for Loading personal data, they dont do images or videos" Local models for images are getting pretty good. LLaVA is an LLM with multi-modal image capabilities that runs pretty well on my laptop: https://simonwillison.net/2023/Nov/29/llamafile/ Models like Salesforce BLIP…simonwMetaCLIP – Meta AI ResearchI suggest trying BLIP for this. I've had really good results from that. https://github.com/salesforce/BLIP I built a tiny Python CLI wrapper for it to make it easier to try: https://github.com/simonw/blip-captionkristopolousFirst Impressions with GPT-4V(ision)This actually doesn't seem like it's a giant lift using modern image classifiers. The basic idea is to use diffusion classifiers to caption the image to generate descriptive text and append the prompt. The work part is getting the ensemble right since you'll need to use a general classifier, like…minimaxirDeepFloyd IF: open-source text-to-image modelFor a fast-but-less-robust model, you can use a ViT encode/GPT-2 decoder model: https://huggingface.co/nlpconnect/vit-gpt2-image-captioning For a more-robust-but-hard-to-run model, you can use BLIP2: https://huggingface.co/Salesforce/blip2-opt-2.7bxVarunxAlpha-Co-Vision: Real-Time Video-To-TextA real-time video-to-text bot that captures frames generates captions and creates conversational responses using a Large Language Models base to create interactive video descriptions. Powered by Salesforce BLIP (Bootstrapping Language-Image Pre-training) and Cohere AI, this bot is capable of…brianjkingSam Altman: OpenAI is not training GPT-5 and "won't for some time"The multi-modal vision support? Yes. It's just temporarily available only to BeMyEyes. For now I'm using models like Salesforce/blip2 and OVF and Meta's Segment Anything for visual questioning.

搜索日期

Mindket 的更多商品

查看 Mindket 的全部商品

Bonsai-27B-GGUF

lmstudio-community · 工具包

面向 LM Studio 的 27B Bonsai 模型 GGUF 转换版,含 3.80 GB 的 Q1_0 语言文件和 0.93 GB 的 BF16 视觉投影器。已测试文本、视觉和并行工具调用。

新上架

以每权重 2.9 位的 EXL3 量化运行 DeepSeek-V4.1-Flash-1017,这是一份 196 GiB 的副本,适合在自己硬件上部署大模型的人。困惑度与原模型相差不大。

新上架

MusicGen Small

facebook · 工具包

根据文字描述或音频提示生成短音乐片段,是 facebook MusicGen 的 small 检查点。适合想在自己电脑上试用文字生成音乐的开发者和音乐爱好者。

新上架

研究类的相似商品

查看研究类的全部商品

Merlin-Cancer-Super

AbdomenAtlas · 工具包

在 CT 扫描上检测并勾画 9 个器官的肿瘤,使用从放射学报告中学习的 R-Super 方法训练。这是面向医学影像团队的研究模型,采用非商业许可。

新上架

EarthJev

dBenf · 工具包

回答关于卫星图像块的类型化问题,使用 Sentinel-2 的全部 12 个波段,为每个选项返回概率,不生成文字。这是 Qwen3.5-0.8B 的微调版本,适合地球观测研究者。

新上架

getting-over-it-rl-jax

zimmerk4 · 工具包

用一个在 JAX 物理模拟器里学会的小型策略网络,从头到尾通关游戏 Getting Over It。适合强化学习研究者和好奇的动手爱好者。

新上架