正确答案是：C: 机器翻译

### 专业分析：

RNN（循环神经网络）及其变体在处理序列数据方面具有显著优势。以下是对每个选项的分析：

1. **A: 图像生成描述**
- 图像生成通常涉及到处理高维空间的静态数据。卷积神经网络（CNN）更适合此类任务，而非RNN。尽管RNN可以用于生成图像序列（如视频），但单张图像的生成不适合RNN模型。

2. **B: 文本分类**
- 文本分类可以使用RNN，尤其在需要考虑上下文的情况下。但通常，诸如BERT等基于Transformer的模型在文本分类任务中表现更佳。

3. **C: 机器翻译**
- 机器翻译是典型的序列到序列（seq2seq）任务，需要将输入句子作为序列，输出另一个序列。RNN及其变体（如LSTM、GRU）非常适合处理这类任务，因为它们能够捕获句子中的长距离依赖关系。

4. **D: 阅读理解**
- 阅读理解任务需要对上下文进行全局分析。近年来，Transformer模型在此任务中效果更佳。RNN可以用于此任务，但并不是最佳选择。

因此，针对机器翻译任务，RNN尤其是其变体（如LSTM、GRU）被广泛应用于处理序列数据的能力，因此C选项是最适合的。