Gerando Imagens com I.A. (até estilo Ghibli 😂) com Docker e CUDA

Se você acompanha o ecossistema de inteligência artificial nos últimos meses, já percebeu: modelos de geração de imagens como Stable Diffusion, Flux e derivados deixaram de ser brinquedo de laboratório e se tornaram ferramentas acessíveis a qualquer pessoa com um bom hardware e paciência para configurar. Mas convenhamos: instalar dependências, gerenciar ambientes Python, resolver conflitos de bibliotecas CUDA e ainda garantir que sua GPU seja reconhecida pode ser um pesadelo.

A boa notícia é que a combinação Docker + CUDA resolve 90% dessas dores de cabeça. Neste artigo — inspirado nos posts do AkitaOnRails e adaptado para o cenário atual de 2025 — vou te mostrar como rodar seus próprios geradores de imagem com estilo Ghibli (sim, aquele visual dos filmes do Studio Ghibli) usando containers Docker e aceleração por GPU NVIDIA. O foco aqui é puramente técnico: mão na massa, sem firulas. Em um próximo post, mergulharemos no ComfyUI e em como refinar os resultados.

Por que Docker + CUDA para IA?

Em 2025, o Docker deixou de ser "só a ferramenta de containerização" e se tornou plataforma de IA de verdade. Como bem observou a comunidade Dev Community: "o que começou como experimento virou padrão com uma velocidade impressionante". E não é para menos. Com Docker, você:

• Elimina conflitos de dependências: cada modelo e ferramenta roda em seu próprio ambiente isolado.
• Garante portabilidade: o mesmo container que funciona na sua máquina local pode subir em um VPS com GPU sem alterações.
• Aproveita a GPU nativamente com o suporte a CUDA via nvidia-docker runtime.

Isso significa que você pode baixar uma imagem Docker pronta com PyTorch, CUDA e o modelo desejado, e em minutos começar a gerar imagens — sem precisar entender de compilação de kernels ou drivers.

O que você vai precisar

Antes de começar, garanta que seu ambiente atenda aos requisitos mínimos. Não adianta pular etapas.

Hardware

• Placa de vídeo NVIDIA com pelo menos 8 GB de VRAM (recomendado 12 GB+ para modelos maiores). GPUs como RTX 3060, 3080, 4060 ou superiores dão conta.
• Memória RAM: 16 GB ou mais.
• Armazenamento: SSD com ao menos 50 GB livres (os modelos ocupam bastante espaço).

Software

• Docker Engine instalado e configurado (versão 24+).
• NVIDIA Container Toolkit (antes conhecido como nvidia-docker2). Instale seguindo o guia oficial da NVIDIA.
• Drivers NVIDIA atualizados (recomendo a série 550 ou superior para compatibilidade com CUDA 12.x).

Verifique se o Docker reconhece sua GPU com o comando:

docker run --rm --gpus all nvidia/cuda:12.4.0-base-ubuntu22.04 nvidia-smi

Se aparecer a tabela da sua GPU, está tudo certo.

Passo a passo: gerando imagens estilo Ghibli com Docker

Vamos usar um dos modelos mais populares para o efeito Ghibli: Anything V5 ou DreamShaper com um LoRA específico para o estilo. Mas, para simplificar, usaremos uma imagem Docker pronta do stable-diffusion-webui com suporte a LoRA.

1. Baixe a imagem Docker oficial

docker pull ghcr.io/stable-diffusion-webui/docker:latest

2. Execute o container com suporte a GPU

Crie um diretório para armazenar os modelos e saídas:

mkdir -p ~/sd-data/models ~/sd-data/outputs

Agora suba o container:

docker run --gpus all -p 7860:7860 \
  -v ~/sd-data/models:/app/stable-diffusion-webui/models \
  -v ~/sd-data/outputs:/app/stable-diffusion-webui/outputs \
  ghcr.io/stable-diffusion-webui/docker:latest

3. Adicione o modelo e LoRA Ghibli

Com o container rodando, acesse http://localhost:7860. Vá até a aba Checkpoint e baixe, por exemplo, o modelo Anything V5 (disponível no Hugging Face). Para o estilo Ghibli, adicione um LoRA como Ghibli Diffusion ou GhibliStyle.

Você pode fazer isso manualmente copiando os arquivos .safetensors para a pasta ~/sd-data/models/Lora.

4. Gere sua primeira imagem

No prompt do webui, digite algo como:

a magical forest with a young girl and a cat, ghibli style, highly detailed, cinematic lighting

Ajuste o batch size para caber na sua VRAM e clique em Generate. Em poucos segundos, você terá uma imagem com aquele visual nostálgico e encantador.

Docker Compose: automatizando tudo

Para setups mais complexos (como rodar múltiplos workers ou integrar com agentes de IA), um docker-compose.yml facilita a vida. Aqui vai um exemplo básico:

version: '3.8'

services:
  sd-webui:
    image: ghcr.io/stable-diffusion-webui/docker:latest
    container_name: sd-ghibli
    ports:
      - "7860:7860"
    volumes:
      - ./models:/app/stable-diffusion-webui/models
      - ./outputs:/app/stable-diffusion-webui/outputs
    deploy:
      resources:
        reservations:
          devices:
            - driver: nvidia
              count: all
              capabilities: [gpu]
    environment:
      - CUDA_VISIBLE_DEVICES=0

Salve o arquivo como docker-compose.yml e execute:

docker-compose up -d

Pronto. Seu servidor de geração de imagens estilo Ghibli está no ar, pronto para ser consumido por scripts, APIs ou até mesmo por outros containers de agentes de IA.

Considerações finais e próximos passos

Com Docker e CUDA, você democratiza o acesso à geração de imagens por IA sem depender de serviços cloud caros ou de configurações complexas. O setup apresentado roda tanto em uma máquina local com GPU quanto em um VPS (desde que você tenha alugado um com placa NVIDIA, como as instâncias GPU da OVH ou Lambda Labs).

Fique atento à escalabilidade e segurança — nunca exponha a interface do webui diretamente à internet sem autenticação. Use um proxy reverso com senha ou uma VPN.

Nosso próximo artigo vai desvendar o ComfyUI — uma ferramenta visual e poderosa para construir fluxos de geração complexos, como combinar múltiplos LoRAs, controlar poses e até gerar vídeos curtos. Até lá, mãos à obra e divirta-se criando seus próprios cenários no melhor estilo Studio Ghibli.

Este artigo foi baseado em experimentos práticos e nas discussões mais recentes da comunidade Docker+IA de 2025. Se você ficou com preguiça de ler o post inteiro, o TL;DR é: instale o NVIDIA Container Toolkit, puxe a imagem oficial do stable-diffusion-webui, monte os volumes e comece a gerar. O resto é criatividade.