Creio que um bom termo seja "par mínimo", que denota duas palavras que se distinguem por apenas um fonema (e.g., qualidade vocálica, como em sé, sê") ou por apenas uma característica fonética (e.g., acento, como em "cágado, cagado"). Neste caso específico que você pergunta, o termo mais estrito seria "par mínimo por acento" ("minimal pair for stress contrasts"). O artigo da Wikipedia anglófona dá "esta, está" como exemplo de par mínimo por acento.
O termo "homógrafo" é definido em função da grafia, de tal forma que um par de palavras é homógrafo se a escrita dessas palavras for similar. Porém, "par mínimo" é definido em função da realização fonética da palavra independentemente da forma que é escrita. Portanto, um par de termos escritos de maneiras completamente diferentes, mas que ainda diferem numa só característica fonética, é mínimo mas não é homógrafo.
Um exemplo clássico é o Chinês, cujo sistema de escrita ideográfico atribui um glifo por palavra em vez de compô-la letra-por-letra. Nesta língua não é possível dizer que "馬" (/mǎ/, "cavalo"), "麻" (/má/, "cânhamo"), que diferem apenas pela entonação, formam um par homógrafo, pois são escritos com dois caracteres distintos; mas é possível dizer que formam um par mínimo por contraste de tom.