MakeでChatGPTの429エラー(Rate Limit)が起きる原因

Make（旧Integromat）でChatGPT API（OpenAIモジュール）を組み込み、大量のデータをループ処理で一括生成・処理する際、頻発するのが「429 Too Many Requests（Rate Limit Reached）」エラーです。 このエラーは、OpenAI側が設定している「1分あたりのリクエスト数（RPM）」や「1分あたりのトークン数（TPM）」の上限を超えたために発生します。

特にMakeのIterator（イテレータ）モジュールを使って配列データを連続処理すると、Makeは可能な限り高速でAPIを叩き続けます。Tier 1などのAPI利用枠が低いアカウントでは、わずか数十件のループ処理でも数秒でTPM/RPM制限に到達し、シナリオが強制終了（エラー停止）してしまいます。 これを回避するためには、シナリオ側で「意図的に処理を遅延させる」または「エラー発生時に自動で再実行（リトライ）する」設計が不可欠です。

Sleepモジュールを使ったAPIリクエストの待機設定

最もシンプルかつ即効性のあるRate Limit回避策は、Makeの組み込みツールである「Sleep」モジュールを挟むことです。 ChatGPTモジュールの直前、またはループのサイクル内にSleepモジュールを配置し、リクエストとリクエストの間に数秒のインターバルを設けます。

Sleepモジュールの設定ポイント

• Delayの設定値: 処理するテキストのトークン数にもよりますが、通常は3〜5秒程度に設定するとRPM制限を回避しやすくなります。長文を生成する場合はTPM制限にも引っかかりやすいため、10秒以上の待機が必要になるケースもあります。
• 配置場所: IteratorとChatGPTモジュールの間、もしくはChatGPTモジュールの直後に配置します。

ただし、Sleepモジュール単体での対策には限界があります。API側の突発的な遅延や、想定以上のトークン消費が発生した場合、固定秒数の待機だけでは429エラーを完全に防ぎ切ることはできません。シナリオの安定稼働を確実にするには、次に解説するError Handlerの導入が必須となります。

Error Handler(Break)による自動リトライの実装手順

429エラーが発生してもシナリオを停止させず、一定時間待機した後に自動で処理を再開させるには、Makeの「Error Handler」と「Break」ディレクティブを使用します。これにより、堅牢な自動リトライ機構を構築できます。

1. Error Handlerの追加

ChatGPTモジュールを右クリックし、「Add error handler」を選択します。空のモジュールが下部に分岐して作成されるので、そこにMakeの組み込みツール（Directives）から「Break」を選択して接続します。

2. Breakモジュールの設定

Breakモジュールは、エラーが起きた際に指定した条件でリトライを行うための強力な機能です。以下のように設定します。

• Number of retries（リトライ回数）: 3〜5回程度に設定します。これ以上失敗する場合は、APIのクレジット残高不足（402エラー）など別の問題が疑われます。
• Interval between retries（リトライ間隔）: 一般的にOpenAIのRate Limitは数十秒で解除されるため、60秒（1分）程度待機するよう設定すれば十分なケースが多いです。Tierや処理内容に応じて調整してください。

3. フィルターでの429エラー指定（推奨）

Breakモジュールに繋がるルート（点線部分）をクリックし、フィルターを設定します。 Conditionに [Error] Message を指定し、Text operatorsの Contains (case insensitive) で 429 または Too Many Requests と入力します。 これにより、「429エラーの時だけリトライを行い、他の致命的なエラー（認証エラーなど）の時は速やかにシナリオを停止する」という安全なエラーハンドリングが実現します。

この「Sleepによる予防」と「Breakによる事後リトライ」を組み合わせることで、Make上でのChatGPT APIの大量処理は劇的に安定します。途中でシナリオが止まり、手動で再実行する手間から完全に解放されるはずです。

プログラムのほうは、今後も設定されたスケジュールに従って articles フォルダへ自動で新しい実践ストックを積み上げていきます。またいつでも生成された記事の精査や、次の展開についてご相談くださいね！

The post Make×ChatGPTの429エラー対策！確実なリトライ設計 first appeared on 普通の会社員がテクノロジーで疑問を解決する記録.

借金1,300万円をなんとかするため、動画の全自動化を企んでいた私が最初に行き着いたのが「ChatGPT（DALL-E 3）によるキャラクター生成」でした。 しかし、いざプロンプト（指示文）を打ち込んでみると、とんでもない壁にぶち当たります。

「さっきと同じ男の子を泣いている表情で描いて、と指示したのに、誰だお前は！？」

そう、AI画像生成は毎回ランダムな要素が絡むため、同一のキャラクターを維持し続けるのが至難の業なのです。動画のカットごとに主人公の顔や服が変わってしまっては、まともなコンテンツになりません。 今回は、私がAI動画の量産工場を作る過程で編み出した、「ChatGPTで同じキャラクターの顔と服装をガッチリ固定するプロンプト術」を公開します。

ChatGPTでキャラが「別人」になる絶望的な理由

ChatGPTに搭載されている画像生成AI「DALL-E 3」は、非常に優秀です。 しかし、「50代の作業着のおじさんを描いて」と指示すると、AIは毎回ゼロから新しいおじさんのデザインを構築してしまいます。

つまり、ただ抽象的な言葉で指示を出しているだけでは、AIの想像の幅が広すぎて、永遠に「似ているけれど別人」が量産され続けるのです。 これを防ぎ、動画の主人公として固定するためには、AIに対して「絶対にブレない明確なルール（鎖）」をかけてやる必要がありました。

実践：私のAIアバターを固定した2つの魔法

試行錯誤の末、私は以下の「2つの手順」を組み合わせることで、キャラクターデザインをほぼ固定することに成功しました。

① プロンプトを「呪文」のように細かく言語化する

まずは、キャラクターのビジュアル要素を徹底的に細かく指定した「基本テンプレート」を作ります。

• 年齢・性別： 50代、男性
• 髪型・輪郭： 短髪、白髪交じり、少し疲れた輪郭
• 目の形・色： やや細い目、黒い瞳
• 服装・靴： 青い作業着、安全靴

私はこの設定をテキストファイルに保存し、画像を生成する際は毎回必ずプロンプトの冒頭にコピペするようにしました。これでデザインの「ブレ幅」は一気に狭まります。

② 最大の秘訣「Gen ID（シード値）」を引継ぐ

詳細なプロンプトだけでは、まだ服のシワや顔のバランスが変わってしまいます。そこで私がたどり着いた最終兵器が「Gen ID（ジェネレーションID）」です。

Gen IDとは、ChatGPTが画像を生成した際に裏側で割り振られる「固有の識別番号」です。

1. 奇跡的に「これだ！」という理想のキャラクターが生成されたら、すかさずChatGPTに「今の画像のGen IDを教えて」と質問します。
2. すると「Gen IDは〇〇です」と返ってきます。
3. 次に別ポーズを作りたい時は、「Gen ID: 〇〇をベースにして、先ほどのキャラクター設定を維持したまま、泣いている表情を作って」と指示を出します。

この「詳細プロンプト＋Gen ID」の掛け合わせにより、AIは前回のDNAを強く引き継いだまま、同じキャラクターを生成してくれるようになったのです！

まとめ：顔出しなしでも「自分の番組」は作れる

現在のAIの技術では、100%全く同じキャラクターを寸分の狂いなく生成し続けることは困難です。多少のズレは出ます。 しかし、今回紹介した「プロンプトの固定」と「Gen IDの引き継ぎ」を使えば、視聴者が「同じキャラクターだ」と認識できるレベルで動画を量産することが可能になります。

この技術を手に入れたことで、私の「顔出しなしYouTubeショート自動化計画」は一気に現実のものとなりました。 手作業での動画編集に疲れ果てている方、顔出しができなくて副業をためらっている方は、ぜひChatGPTの「Gen ID」を活用して、あなただけの専属タレントを生み出してみてください！

The post 【顔出し不要】AI動画のキャラ崩壊を防ぐ！ChatGPT画像固定プロンプト術 first appeared on 普通の会社員がテクノロジーで疑問を解決する記録.