[FEAT REQ] 允许导入输入法词库 #362

Activity

1. mozillazg commented on Feb 15, 2026

   

   mozillazg

   on Feb 15, 2026

   Owner

   More actions

   @WFLing-seaer 你是想用输入法的无调拼音调整每个字的多音字数量吗？如果是这样的话，你可以基于输入法词库的拼音数据对 https://github.com/mozillazg/pinyin-data/blob/master/pinyin.txt 中的数据进行精简，然后使用 load_single_dict 导入精简后的数据就可以了（类似 https://github.com/mozillazg/pypinyin-dict 这个项目）。
2. mozillazg

   added

   discuss

   on Feb 15, 2026
3. WFLing-seaer commented on Feb 23, 2026

   

   WFLing-seaer

   on Feb 23, 2026

   Author

   More actions

   其实主要问题——或许也是所有拼音库面临的最大问题——是，没有一个权威且全面的拼音数据源；因此只能用短词甚至单字的拼音来拼凑推测长词的拼音，而这势必会导致长词的拼音质量极大下降。并且人工标注亦不现实。您有无这方面的解决方案推荐？
   目前中文成词约300万±100万词（见薨词典项目，此项目很久没更新，可能稍有过时）。而其中具有明确拼音标注的大概只有百一到百五，而拼音中又有约有千一到万一有错误。因此这可能诚然是任重而道远的了……

   附阴间拼音案例若干：

   >>> from pypinyin_dict.phrase_pinyin_data import large_pinyin
   >>> large_pinyin.load()
   >>> pypinyin.pinyin("阿埃二氏病变",style=8,heteronym=1)
   [['a1', 'e1', 'e3', 'a3', 'a4', 'a'], ['ai1', 'zhi4'], ['er4'], ['shi4'], ['bing4'], ['bian4']]
   >>> pypinyin.pinyin("啊啊啊啊啊啊啊啊啊啊啊啊啊",style=8,heteronym=1)
   [['a', 'a1', 'a2', 'a3', 'a4', 'e4'], ['a', 'a1', 'a2', 'a3', 'a4', 'e4'], ['a', 'a1', 'a2', 'a3', 'a4', 'e4'], ['a', 'a1', 'a2', 'a3', 'a4', 'e4'], ['a', 'a1', 'a2', 'a3', 'a4', 'e4'], ['a', 'a1', 'a2', 'a3', 'a4', 'e4'], ['a', 'a1', 'a2', 'a3', 'a4', 'e4'], ['a', 'a1', 'a2', 'a3', 'a4', 'e4'], ['a', 'a1', 'a2', 'a3', 'a4', 'e4'], ['a', 'a1', 'a2', 'a3', 'a4', 'e4'], ['a', 'a1', 'a2', 'a3', 'a4', 'e4'], ['a', 'a1', 'a2', 'a3', 'a4', 'e4'], ['a', 'a1', 'a2', 'a3', 'a4', 'e4']]
   >>> pyperclip.paste()
   '㹧𱮒湖'
   >>> pypinyin.pinyin(_,style=8,heteronym=1)
   [['㹧'], ['𱮒'], ['hu2']]
4. mozillazg commented on Mar 8, 2026

   

   mozillazg

   on Mar 8, 2026

   Owner

   More actions

   @WFLing-seaer 可以参考一下下面这些方案：

   • https://github.com/ShannonAI/ChineseBert
   • https://github.com/GitYCC/g2pW
   • https://github.com/PaddlePaddle/PaddleSpeech/blob/develop/paddlespeech/t2s/frontend/zh_frontend.py