[FEAT REQ] 允许导入输入法词库

[WFLing-seaer]

heteronym=1对长词十分不友好，因为其很容易导致笛卡尔积爆炸。
如果允许导入输入法词库，则可以使用输入法的无调拼音用于过滤多音字，极大降低笛卡尔积数。
导入源使用输入法是因为CC-CEDICT的覆盖面相对来说并不够全。

[mozillazg]

@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）。

[WFLing-seaer]

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']]

[mozillazg]

@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