Автоматизация ИИ через телеграм бота. API

ТЗ примерно выглядит так: [:1f7e2] Дается видео в тг - обработка нейросетью 1 [:1f7e2] Дается текст - обработка нейросетью 1 [:1f7e2] Дается видео + полученное аудио - обработка нейросетью 2 Для обработки используются 2 нейросети - для аудио и для видео. Пишите, пожалуйста, сразу с конкретикой по срокам и как это будет реализовано Вами. Так же что необходимо для решения данной задачи (сервер и т.д.)