Clotho는 오디오 캡션 데이터 세트입니다. 이 데이터 세트는 오디오 콘텐츠와 자막의 다양성에 초점을 맞추고 있으며, 각각 5개의 자막(총 24,905개 자막)을 가진 4,981개의 오디오 샘플로 구성되어 있으며, 길이는 15~30초, 자막 길이는 8~20단어입니다.