我认为口音还是要做一些适当的纠正，能保证其他人能够听懂，我就在思考： 
如果能看着动画里的人按照正确的发音口型发出对应单词的音调或许是一个很好地纠正发音的方式？我的思路是这样： 

动画会做适当省略并突出嘴形，相比于真人视频，效果可能会更强？
有仿照的对象比单纯的听声音更有参考意义
可能不太容易感受到学习的枯燥感

我不知道这种想法对不对，有没有佬实践过，或者有相应的学习资源可以推荐？