科大訊飛，谷歌翻譯，百度翻譯，這些不都是可以用來翻譯成中文，只是準確率還在提高過程中。而且不僅僅能翻譯成中文，可以翻譯成裡面有的任何語言！

可以做，但是現在的技術很難完美實現。

先講一講翻譯軟體的原理。

早期的翻譯軟體就是將不同語言的詞彙對應起來，比如“have”對應漢語中的“有”和“吃”，把這些對應關係寫入翻譯軟體中，然後在翻譯的時候直接顯示這種對應關係。這裡就會遇到一個問題，翻譯短語和句子的時候，比如“have lunch”到底是翻譯成“吃午飯”還是“有午飯”，這裡就需要把“吃午飯”和“have lunch”對應起來。但是這種對應關係太多了，現實中語境千變萬化，想要在程式中把這些對應關係全部手動寫入進去幾乎是不可能的，所以早期的翻譯軟體只能充當一個類似字典的工具，並不能完美實現人們的需求。這個問題在後面的翻譯軟體中得到了一定程度的解決。

現在的翻譯軟體比如谷歌翻譯，它在原有的翻譯原理的基礎上加入了機器學習，千變萬化的語境造成的對應關係太多，就把這種繁重的工作交給機器自己，讓機器自己學習。簡單說就是給機器一個邏輯，讓它知道什麼樣的情況應該怎麼做，然後自己去透過大量翻譯文字訓練來自己總結這種規律。現在的翻譯軟體雖然還做不到完美翻譯，但是相對於以前翻譯的語句都不通順已經進步了很多。

回到題主的問題，上邊的所有情況基本都是基於文字的機器翻譯，而題中的情況下又更加複雜。比如看電影的時候，連環殺人兇手在被害人面前表情猙獰的說“I am thirsty“，意思其實是說我要殺人了，但是翻譯軟體並不知道這個前提，他只能翻譯成“我渴了”，雖然並不是不能理解，但是好像感覺怪怪的。想要解決這個問題就需要翻譯軟體能識別電影中的場景。識別影片中的情景是比識別文字更加複雜的課題，現在很多人都在研究這個方向還處在一個不成熟的階段，只有不停地去研究，讓機器更多地去學習才能漸漸解決這個問題。

假設技術問題都解決之後還有最後一個問題：你願不願意用它。想要機器完美翻譯，你需要讓他知道你現在所處的場景，即它知道你的一舉一動。

所以綜上，現在的技術可以做，但受限於技術和其他問題，基本不可能完美實現。

可以研發，但是研發出來你會買嗎？還是想免費使用或者使用盜版呢？這些不確定的風險在專案立項的時候就會被槍斃，大公司不屑做小公司沒有實力做。如果你肯投資大概10個億左右，然後免費給大家使用你會做嗎？