神经机器翻译（NMT）可以进行实时的翻译任务，但是具体的实时性能要依赖于多个因素，例如翻译系统的复杂性、硬件设备的性能、输入句子的长度等。下面是一些关于NMT实时翻译的相关信息：

  1. 模型复杂性：NMT模型通常由多个深度神经网络层组成，这些层需要进行大量的计算。较简单的NMT模型可能在几百毫秒内完成翻译，而更复杂的模型可能需要数秒。因此，为了实现实时翻译，需要使用较简单的模型结构或者进行模型压缩，以减少计算时间。

  2. 硬件设备：NMT模型在GPU上进行训练和推理，GPU可以提供并行计算的能力，加快翻译速度。较新且强大的GPU可以提供更好的性能，缩短翻译时间。另外，一些翻译系统利用分布式计算来加速推理过程，进一步提高实时性能。

  3. 输入句子长度：长句子需要更多的计算资源和时间来进行翻译。因此，在实时翻译任务中，输入句子的长度可能需要限制在较短的范围内，以确保翻译速度不受影响。

  4. 资源优化：为了提高实时性能，翻译系统可以进行一些优化措施，例如缓存已翻译的片段，避免重复计算；使用动态批处理来合并多个句子以进行并行化处理；使用近似推断方法来减少计算量等。

  总而言之，神经机器翻译能够在一定范围内实现实时翻译任务，具体的实时性能取决于模型复杂性、硬件设备、输入句子长度等因素。通过合理的设计和优化，可以提高翻译速度，使得NMT系统在实时场景下发挥更好的效果。