Clotho est un ensemble de données de sous-titrage audio. L'ensemble de données se concentre sur le contenu de l'audio, ainsi que sur la diversité des sous-titres, et se compose de 4 981 échantillons audio, chacun avec 5 sous-titres (24 905 sous-titres au total), avec des durées allant de 15 à 30 secondes et des longueurs de sous-titres allant de 8 à 20 mots.