d'Ivan

Попробуй определить тип в Magika
Если не определит, нужно искать более специализированный софт.

Звук отмычки.

относительно лёгкая задача из-за специфического звука.

Порядок действий:
1. записать звуковой файл WAV с некоторым фоном в несколько секунд с обоих краев, наложив где-то в середине звук отмычки. Открыть файл в звуковом редакторе, допустим, Audacity. Посмотреть что там внутри, проиграть сэмпл.
2. погуглить и установить необходимые библиотеки для анализа звука в Питоне.
3. ставить эксперименты по анализу звука в Питоне. В результате нужно программно определить факт звучания отмычки и время. Повесить асинхронный колбэк для вывода на экран "ага, попался!" пр обнаружении звука.
4. далее, добавлять [соль и перец] функциональность по вкусу.

Начни изучать основы ЦОС, и станет понятно как подступиться к анализу звука. Необходимо научиться захватывать звук с микрофона и налету анализировать его.

Онлайн аудиоредактор

- это громко сказано. Скорее, онлайн инструмент для подавления шумов.
На клиентской части должна быть форма для загрузки аудио файла. При загрузке на сервер файл поступает в очередь. Обработчик берет очередную задачу, запускает программу подавления шумов и по окончанию помечает что задача выполнена.
Далее, итоговый файл помещается в директорию для раздачи файлов и пользователю возвращается ссылка на файл. Так как операция обработки обычно долгая, то отправляется уведомление со ссылкой по электронной почте. А пользователю рекомендуется проверить почту.

Попробуйте последовать советам из
https://askubuntu.com/a/1108826
(упоминается https://forum.manjaro.org/t/solved-terrible-sound-...
)
Подробности по параметрам:
https://medium.com/@gamunu/enable-high-quality-aud...

Нужно поискать на тему акустического отпечатка. Допустим, https://en.wikipedia.org/wiki/Acoustic_fingerprint
Есть также библиотека pHash.

Кодеков для кодирования речи полно: https://en.wikipedia.org/wiki/List_of_codecs#Voice
Наверно стоит исходить из того на какой сегмент устройств расчитано приложение. В разных ОС могут поддерживаться раздичный набор кодеков.
Из кодеков могу предложить Opus.

Но как один из самых распространенных - формат MP3, конечно.

Попробуй так

"Прямо с микрофона" - это не совсем так. Как отметил в коментариях nehrung, можно анализировать спектрограмму какого-то временного диапазона (замера). То есть можно создать спетрограмму на основе данных в скользящем окне-буфере, получаемых с потока источника.

Поиск "FFT" по проекту NAudio
NAudioWpfDemo
Да и на странице проекта https://naudio.codeplex.com/ первые две картинки демо-программ содержат спектрограмму.

Я думаю, будет проще поискать сторонний компонент, который будет делать всю работу и написать к нему обёртку на нужный язык, поскольку задача распознавания речи - не тривиальная.
Если б были знания в данной области, вопрос ставился бы по-другому.