Olá, tudo bem com você?

Eu fiz uns testes aqui para poder te ajudar, infelizmente eu não encontrei o motivo do NVDA não pronunciar corretamente a palavra tomates, mas consegui uma solução.

Você pode ocultar um elemento da tela do usuário, mas garantir que ele continue acessível para leitores de tela utilizando a técnica de "visually hidden". Vou deixar o exemplo do teste que eu fiz:

        <p>
            Nesse texto o leitor de tela deve pronunciar
            <span class="visually-hidden">toh-mah-tes</span>
            <span aria-hidden="true">tomates</span>
        </p>

.visually-hidden {
  position: absolute;
  width: 1px;
  height: 1px;
  padding: 0;
  margin: -1px;
  overflow: hidden;
  clip: rect(0, 0, 0, 0);
  white-space: nowrap;
  border: 0;
}

O que eu fiz foi criar um span com a fonetização da palavra, toh-mah-tes, e deixar ele oculto na tela através da classe visually-hidden, logo depois eu criei outro span com a palavra correta com o atributo aria-hidden="true", que esconde o elemento dos leitores de tela.

Espero ter ajudado!

Siga firme nos seus estudos e conte com o fórum sempre que precisar!

Abraços :)