模型卡怎么读
先看限制与训练数据，再看分数是谁评的
模型卡训练数据评测口径能力边界
相关
一张卡最有用的部分
两张模型卡，一张写“综合评测第一”，另一张写“中文长句容易漂、超过三分钟结构会散”。后者更能帮你决定要不要用。模型卡的价值不在排名，而在它敢写出哪些输入会坏。
四个字段，四种追问
| 字段 | 卡上常见写法 | 要追问的 |
|---|---|---|
| 训练数据 | 公开音频与授权曲库 | 覆盖哪些语种、年代、录音类型；有没有退出机制 |
| 限制 | 可能产生伪影 | 哪种编制、多长、什么人声会坏 |
| 评测 | 主观评分四点二 | 谁评的、几人、是否盲听、参考是什么 |
| 许可 | 可商用、需署名 | 权重、输出、训练三件事分别怎么规定 |
训练数据那一行最容易被一句“数百万首”带过。要问的是构成，不是数量：里面有没有你需要的语言与传统，录音多还是 MIDI 多，人声占多少。限制那一行也一样，写“可能有伪影”等于没写，写“超过两分钟的器乐会重复”才有用。
评测数字的三种口径
同一句“优于上一代”，可能来自内部听测、众包偏好或盲听 AB。内部听测样本小，众包偏好测的是第一印象，盲听 AB 只回答两个片段里更喜欢哪个。三种都不能直接推到你手上的任务。看卡时先找评测集：用什么素材、多长、有没有覆盖你的语言与编制。找不到，就把分数当广告。
模型卡管不到的地方
“未评估”不是缺陷，是提示。拿五到十条自己的素材做小基准，固定提示、固定种子、固定听辨人，记录坏在哪。模型卡是筛选器，不是验收单；它帮你排除明显不合适的模型，剩下的必须用自己的材料试。读完卡再试听，顺序反了，耳朵会替分数找理由。
在库中听例子
New Britain四十三秒的赞美诗旋律，短片段测试能看出卡上没写的音准问题（C1）详情Tineke's Reel可循环的里尔舞曲，用来试模型在重复段里的稳定性（C1）详情soul-groove3 · 86 BPM · beat 4/486 BPM 灵魂乐鼓组，节奏目标是文本提示最容易含糊的部分（C1）详情battle 02三十八秒战斗配乐，短促器乐提示的边界样本（C1）详情
每首均来自 midicn-lib，行内徽标为许可档位（C1 可商用 / C2 非商业 / C3 仅学习研究）。
同一条线
事实来源
- Mitchell et al., Model Cards for Model Reporting（2019）与 Gebru et al., Datasheets for Datasets（2018）。
- 生成式音频主观评测方法，参考公开研究综述。
- 模型许可与用途限制，来自官方条款。